Alma Mater Studiorum – Università di Bologna

DOTTORATO DI RICERCA IN

Philosophy, Science, Cognition, and Semiotics (PSCS)

Ciclo XXXI

Settore concorsuale: 11/C4

Settore Scientifico Disciplinare: M-FIL/05

FRA SEMIOTICA, TECNOLOGIE DIGITALI E BIG DATA:

INTERPRETARE LO SPAZIO URBANO CON GLI USER-

GENERATED CONTENTS

Presentato da: Jennifer Colombari

Coordinatore Dottorato Supervisore

Prof. Marco Beretta Prof.ssa Giovanna Cosenza

Co-supervisore

Prof. Claudio Paolucci

Esame finale 2019

2

3

Abstract

La massiccia diffusione di testi digitali geolocalizzati, resa possibile grazie a Internet e

ai dispositivi mobili, apre nuove strade per lo studio semiotico degli spazi urbani. Oggi

smartphone, tablet e computer danno a chiunque la possibilità di creare e condividere

descrizioni, osservazioni e interpretazioni parziali di uno stesso luogo che, se

analizzate nel loro complesso, permettono di individuare i significati ricorrenti, le

tendenze e gli effetti di senso utili a comprenderne meglio l’identità. In questo

scenario, la tesi parte dall’idea che lo studio semiotico degli spazi urbani possa essere

arricchito dall’analisi di grandi corpora di testi digitali diffusi grazie alla rete e prodotti

da chi vive quotidianamente certi luoghi (strade, piazze, centri, ambienti vari). La tesi

si articola in quattro capitoli: il primo offre una panoramica sullo scenario tecnologico

e sociale in cui si inquadra l’attuale produzione di testi digitali, oltre a ripercorrere i

passi fatti dalla semiotica nello studio dei testi e delle pratiche che caratterizzano il

Web. Il Cap. 2 mostra come, per analizzare con metodologia semiotica quantità

rilevanti di user-generated contents, sia necessario dialogare con l’informatica, mentre il

Cap. 3 è dedicato allo studio semiotico del significato spaziale e fa una ricognizione

sullo stato dell’arte della disciplina, partendo dalle origini della ricerca semiotica sullo

spazio (Greimas 1976, Barthes 1985) e arrivando ai contributi più recenti di semiotica

urbana (Hammad 2003; Volli 2005, Marrone, Pezzini 2006, 2008; Violi, Tramontana

2006) e di etnosemiotica applicata agli spazi (Del Ninno 2007; Marsciani 2007; Accardo

2015). Sulla base di queste premesse, nel Cap. 4 ho condotto uno studio semiotico di

una strada di Amsterdam, combinando l’analisi di un grosso corpus di testi digitali,

prodotti dai cittadini e relativi alla loro esperienza urbana di quella strada, a un

periodo di osservazione etnosemiotica sulle pratiche effettive che si svolgono in quel

luogo.

4

Indice

Abstract ..................................................................................................................................... 3

Indice ......................................................................................................................................... 4

0. Introduzione ......................................................................................................................... 8

CAPITOLO 1 .......................................................................................................................... 12

Il Web e gli user-generated contents: caratteristiche, potenzialità e limiti ....................... 12

1.1 Dalle tecnologie digitali alla produzione massiccia di dati e testi .............. 13

1.2. Big data ............................................................................................................... 16

1.2.1 Analizzare i big data ................................................................................... 21

1.2.2 Social network sites: le migliori fonti di testi digitali per la semiotica ... 27

1.3 Web e user-generated contents: la semiotica si mette alla prova ................... 30

1.4 User-generated contents e spazi urbani ............................................................. 38

1.4.1 TripAdvisor ................................................................................................. 44

1.4.1.1 Il logo ..................................................................................................... 46

1.4.1.2 Il sito ....................................................................................................... 48

1.4.1.3 I contenuti ............................................................................................. 53

1.4.2 Instagram ..................................................................................................... 59

1.4.2.1 Il logo ..................................................................................................... 62

1.4.2.2 L’applicazione ...................................................................................... 64

1.4.2.3 I contenuti ............................................................................................. 65

1.5 Conclusioni ......................................................................................................... 70

CAPITOLO 2 .......................................................................................................................... 72

Semiotica, informatica e semantic Web: uno scambio produttivo ................................. 72

2.1. Informatica per la semiotica ............................................................................ 73

2.1.1 Strumenti per la social media analysis .................................................... 76

2.1.2 Digital Methods tools ................................................................................. 81

2.1.3 Strumenti con competenze semantiche ................................................... 85

2.1.3.1 Motori di ricerca ................................................................................... 86

2.1.3.2 Strumenti di Sentiment Analysis ......................................................... 91

5

2.1.3.2.1 Come funziona la Sentiment Analysis ......................................... 93

2.1.3.3 Strumenti per l’analisi automatica delle immagini ......................... 96

2.1.3.3.1 Prospettive possibili per l’analisi semiotica: un caso di studio

.................................................................................................................................. 97

2.2 Semiotica per l’informatica e semantic Web .................................................. 100

2.2.1 Il Web semantico ....................................................................................... 101

2.2.2 Pertinenza semiotica del Web semantico .............................................. 104

2.2.3 Alcune potenzialità di una collaborazione multidisciplinare: analisi

degli user-generated content per organizzare la conoscenza di un luogo ............. 107

2.2.3.1 Lo scenario della ricerca .................................................................... 108

2.2.3.2 Il vocabolario EXPERIENCE ............................................................ 109

2.2.3.3 Corpus e analisi testuale ................................................................... 113

2.2.3.4 L’organizzazione semantica ............................................................. 117

2.2.3.5 Livello discorsivo: aspetti enunciativi, punti di vista e ruoli

tematici ...................................................................................................................... 122

2.2.3.6 Un esempio di strutturazione dei risultati ..................................... 123

2.2.3.7 Limiti e prospettive ............................................................................ 127

2.3 Conclusioni ....................................................................................................... 128

CAPITOLO 3 ........................................................................................................................ 131

la semiotica e lo studio dello spazio urbano ................................................................... 131

3.1 Semiotica e spazio urbano .............................................................................. 132

3.2 La città come testo ............................................................................................ 135

3.3 Città e pratiche urbane .................................................................................... 137

3.4 Il caso di Amsterdam e della Wibautstraat .................................................. 140

3.3.1 Il Citizen Data Lab .................................................................................... 140

3.3.2 Mapping Amsterdam ............................................................................... 143

3.3.3 Il progetto ................................................................................................... 145

3.3.4 Alcuni presupposti metodologici ........................................................... 147

3.4 Conclusioni ....................................................................................................... 153

CAPITOLO 4 ........................................................................................................................ 156

6

Una semiotica per i dati digitali della città. Studiare il significato di una strada

complessa: la Wibautstraat. ............................................................................................... 156

4.4 La Wibautstraat: una strada dalla storia travagliata ................................... 156

4.5. Il corpus ............................................................................................................ 161

4.5.1 Dataset: Measuring Amsterdam 1 .......................................................... 162

4.5.2 Dataset: Measuring Amsterdam 2 ............................................................. 166

4.5.3 Superare i limiti dei dati del Citizen Data Lab: Instagram dataset ... 167

4.5.4 Osservazione sul campo .......................................................................... 169

4.6. Analisi e metodologia ..................................................................................... 169

4.6.1 Measuring Amsterdam 1: identificazione di due macro-aree ............... 171

4.6.2 Measuring Amsterdam 2: problemi e soluzioni possibili ....................... 175

4.6.3 Instagram dataset: i punti di forza della strada .................................... 182

4.6.4 Osservazione sul campo .......................................................................... 191

4.6.4.1 La distribuzione delle persone lungo la Wibautstraat ................. 194

4.6.4.2 Una strada, quattro anime ................................................................ 197

4.6.4.2.1 University area .............................................................................. 200

4.6.4.2.2 Daily Area ...................................................................................... 210

4.6.4.2.3 Temporary stay area ...................................................................... 216

4.6.4.2.4 Cars area ........................................................................................ 217

4.6.5 Una tipologia dei trend comportamentali ............................................. 221

4.7 Conclusioni ....................................................................................................... 223

5. Conclusioni ....................................................................................................................... 228

6. Appendice ........................................................................................................................ 235

6.1 Analisi Bertinoro .............................................................................................. 235

6.2 Excel Measuring Amsterdam #1 divisi per categoria ................................ 254

6.2.1 Excel dati Measuring Amsterdam categoria multimedia ................... 254

6.2.2 Excel dati Measuring Amsterdam categoria social .............................. 264

6.2.3 Excel Measuring Amsterdam 1 categoria traffic .................................. 277

6.2.4 Excel dati Measuring Amsterdam categoria Environment ................ 284

7

6.3 Excel Measuring Amsterdam 2 ...................................................................... 288

6.4 Measuring Amsterdam 2: immagini ............................................................. 301

6.5 Immagini Instagram ........................................................................................ 304

6.5.1 Categoria “Food” ...................................................................................... 304

6.5.2 Categoria “Outdoor spaces” ................................................................... 306

6.5.3 Categoria “Indoor spaces” ....................................................................... 307

6.5.4 Categoria “Culture” .................................................................................. 308

6.5.6 Categoria “Street art” ............................................................................... 309

6.5.7 Categoria “Sport” ...................................................................................... 310

6.5.8 Categoria “Transports” ............................................................................ 310

7. Riferimenti bibliografici ................................................................................................. 311

8. Ringraziamenti................................................................................................................. 340

8

0. Introduzione

Obiettivo di questo lavoro è comprendere quali siano le opportunità e le implicazioni

che possono nascere dall'applicazione di metodi e concetti semiotici a grandi corpora

di testi digitali, meglio conosciuti come big data.

L’idea è nata durante lo svolgimento di una ricerca a cui ho collaborato da marzo

2013 fino ai primi mesi del 2014 (Cosenza, Colombari, Gasparri 2016). Nell’ambito di

questo studio, mi sono occupata, insieme a Giovanna Cosenza, a Elisa Gasparri e ad

alcuni professionisti/e del mondo della pubblicità, fra cui l’allora Presidente dell’Art

Dicrector Club Italiano (ADCI) Massimo Guastini, di analizzare e organizzare in

categorie circa 8000 campagne pubblicitarie messe a disposizione come testi digitali da

Nielsen Italia, e composte da spot, affissioni, annunci stampa e banner usciti in

febbraio e dicembre 2013. L’obiettivo era duplice: da un lato si intendevano descrivere

i modi in cui la pubblicità italiana rappresenta gli esseri umani e individuare i

principali stereotipi di genere che veicola, dall’altro si voleva offrire ai professionisti

del settore pubblicitario e alle aziende che investono in pubblicità un quadro il più

possibile rappresentativo di quanto si spende per creare e diffondere testi pubblicitari

che riproducono stereotipi di genere. Raggiungere questo risultato è stato possibile

solo grazie a un lavoro sui testi che possiamo definire quali-quantitativo e l’aspetto più

innovativo della ricerca è stato il fatto che si sia tentato di usare la metodologia

semiotica per analizzare diverse migliaia di testi (Cosenza, Colombari, Gasparri 2016).

Negli anni la semiotica ha maturato una vasta esperienza nell’analisi di

moltissimi tipi di testi, tra i quali quelli pubblicitari, prendendoli in considerazione

singolarmente o in piccoli gruppi. Ciò che è stato fatto meno spesso è stato invece

indagare il significato di quantità ingenti di testi, come abbiamo tentato di fare in

questa ricerca. I motivi di questa parziale mancanza nascono sia dall’impossibilità di

estendere a migliaia di testi il dettaglio analitico che caratterizza la disciplina, sia dalle

difficoltà insite nella raccolta e nel trattamento di ampi corpora di contenuti in formato

elettronico.

I risultati di questo tentativo mi hanno spinto a indagare più in profondità le

potenzialità della disciplina semiotica per aumentare l’intelligibilità di ampi corpora

di testi digitali, anche in ambiti diversi da quello pubblicitario. Ho deciso quindi di

9

dedicarmi a un altro tipo di contenuti digitali ampiamente disponibili in rete: i

cosiddetti user-generated contents dotati di informazioni geografiche sul luogo in cui

sono stati prodotti. L’ipotesi da cui parte questo elaborato riguarda infatti la possibilità

di analizzare uno spazio urbano sulla base di corpora medio-grandi di contenuti

digitali a esso relativi, in modo da rendere conto degli effetti di senso che lo

caratterizzano e del modo in cui lo spazio è usato e interpretato da grandi gruppi di

persone1.

D’altro canto, viviamo in un’epoca in cui la diffusione capillare di smartphone,

tablet e computer dà a chiunque la possibilità di creare e condividere con grande

facilità contenuti digitali geolocalizzati come post su Facebook, immagini su Instagram

o recensioni su TripAdvisor. Questi testi digitali includono descrizioni, osservazioni e

interpretazioni parziali di uno stesso luogo, e analizzarne grandi quantità (come

grandi corpora, dunque, non come singoli testi) ci permette di individuare i significati

ricorrenti, le tendenze e gli effetti complessivi di senso utili a comprenderne meglio

l’identità.

Il Cap. 1 di questa tesi offre una panoramica sullo scenario tecnologico e sociale

in cui si inquadra l’attuale e immensa produzione di testi in formato digitale2. Tra le

altre cose, in questa sezione affronterò il fenomeno dei big data, prendendo in

considerazione sia le sue potenzialità per obiettivi economici, politici, sociali e

informatici, sia le difficoltà e i limiti legati alla selezione, all’analisi e all’interpretazione

dei dati. In questa sezione mi soffermerò soprattutto sui cosiddetti user-generated

contents che caratterizzano le piattaforme social, cioè i contenuti prodotti dagli utenti

e pubblicati sul Web volontariamente sotto forma di commenti, post, video e immagini

digitali, in quanto testi più adatti a un’analisi qualitativa di stampo semiotico. A questo

punto ripercorrerò brevemente i passi principali fatti dalla semiotica nello studio dei

testi e delle pratiche che caratterizzano il Web, mettendo in luce le difficoltà che questo

lavoro comporta, per poi stringere il campo spiegando in dettaglio di quali tipi di testi

mi occupo in questa tesi e a quale scopo. Nello specifico, analizzerò semioticamente

due piattaforme digitali che figurano tra le principali fonti di dati da me analizzati –

1 Per una definizione semiotica del concetto di spazio e per la sua distinzione da quello di luogo, cfr. § 1.4. 2 Per una definizione semiotica di testo, anche in relazione al concetto di dato digitale, cfr. § 1.3.

10

TripAadvisor e Instagram – per fare chiarezza sulle loro finalità e caratteristiche

tecniche capaci di influenzare le pratiche di produzione testuale degli utenti.

Dopo aver mostrato in che senso corpora medio-grandi di testi in formato

elettronico possono essere considerati un oggetto di studio pertinente e interessante

per la semiotica, nel Cap. 2 tenterò di mostrare che, per analizzare qualitativamente

quantità rilevanti di user-generated contents, è spesso utile e a volte necessario dialogare

in modo sistematico con l’informatica. Cercherò quindi di impostare questo potenziale

dialogo mostrando, da un lato, alcuni strumenti informatici da cui il semiologo può

trarre vantaggio nel corso delle sue ricerche e, dall’altro, alcuni dei possibili

giovamenti che la semiotica può portare all’informatica, e soprattutto al campo di studi

sul semantic Web. Approfondirò quest’ultimo punto attraverso un primo caso di studio

a cui ho partecipato durante la Semantic Web Summer School del 2016, che si è tenuta

presso il Centro Universitario di Bertinoro. Nell’ambito di questo progetto ho

realizzato l’analisi semantica e semiotica di una selezione di recensioni su TripAdvisor

relative al centro universitario e al paese di Bertinoro, per estrarre informazioni utili a

una potenziale organizzazione della conoscenza di questi luoghi. L’analisi ha infatti

permesso di individuare le principali isotopie, gli enunciatori, i valori e i concetti

fondamentali espressi dalle persone sull’esperienza vissuta negli spazi oggetto di

analisi e sugli spazi stessi. I risultati così ottenuti sono stati usati – quando possibile –

per strutturare informazioni sul livello percettivo e interpretativo dei luoghi in esame

e ciò è stato possibile grazie al vocabolario controllato EXPERIENCE, sviluppato da

Tomi Kauppinen dell’Aalto University, che ci ha guidato lungo tutto il progetto.

Nel Cap. 3 affronterò lo studio semiotico del significato spaziale, focalizzandomi

soprattutto sullo spazio urbano. Qui analizzerò lo stato dell’arte della disciplina,

partendo dalle origini della ricerca semiotica sullo spazio (Greimas 1976, Barthes 1985)

e arrivando ai contributi più recenti di semiotica urbana (Hammad 2003; Volli 2005;

Marrone, Pezzini 2006, 2008; Leone 2009; Pezzini 2009; Giannitrapani 2013; Marrone

2013; Pezzini, Savarese 2014). Obiettivo del capitolo è presentare le premesse teoriche

e metodologiche sulle quali mi sono basata per il lavoro sul caso di studio principale

di questa tesi. Tenterò ad esempio di chiarire in che senso la semiotica considera lo

spazio urbano come un testo analizzabile e quali mosse teoriche e metodologiche

permettono al/la semiologo/a di trattarlo come se fosse tale. Quindi mi concentrerò

11

su un assunto generalmente accettato in ambito semiotico: il senso della città è dato

dall’incontro tra lo spazio urbano e i suoi abitanti (Basso 2005; Volli 2005; Pozzato,

Demaria 2006).

Proprio partendo da questo assunto ho lavorato sul caso di studio che presenterò

nel Cap. 4, cioè sull’analisi di un’area urbana, basata sul modo in cui i cittadini ne

interpretano e usano gli spazi. In questo capitolo contestualizzerò il mio lavoro di

analisi semiotica e metterò in luce i suoi principali presupposti metodologici. La mia

proposta sarà combinare l’analisi di un numero molto elevato di testi digitali prodotti

dai cittadini e relativi alla loro esperienza urbana con un periodo di osservazione

etnosemiotica sulle pratiche urbane che vi si realizzano.

Nel Cap. 4, in particolare, cercherò di dare un contributo allo studio semiotico

dei testi digitali e dello spazio urbano, svolgendo l’analisi qualitativa di una strada di

Amsterdam, che è la città in cui nel 2017 ho trascorso un soggiorno di ricerca di quattro

mesi presso il Citizen Data Lab dell’Hogeschool van Amsterdam. La scelta è ricaduta

su una via chiamata Wibautstraat, che era già oggetto di studio del centro di ricerca

che mi ha ospitato, a causa dei suoi problemi di inquinamento, traffico e vivibilità.

Nella prima parte del capitolo ricostruirò la storia della strada in questione per

comprendere più a fondo le origini dei problemi che oggi la caratterizzano. Dopodiché

presenterò e analizzerò i corpora testuali per capire come le persone percepiscono,

interpretano e “usano” la via. Tenterò di far luce sulle modalità di esistenza semiotica

della strada e su come, a seguito di una serie di trasformazioni e progetti, stia

cambiando il modo in cui essa è percepita e usata dai cittadini. Tuttavia, per chiarire

quale sia il “senso” di questa strada, l’analisi testuale non sarà sufficiente, per cui

prenderò in considerazione anche la sua morfologia geografica e le pratiche umane

che vi si realizzano, per come queste sono emerse dal mio periodo di osservazione

partecipativa di tipo etnosemiotico.

Nel Cap. 5 cercherò infine di tirare le fila del discorso e di sintetizzare le

potenzialità della semiotica per lo studio del significato degli spazi urbani e dei

diffusissimi testi digitali che in qualche modo li descrivono.

12

CAPITOLO 1

Il Web e gli user-generated contents:

caratteristiche, potenzialità e limiti

Nella prima parte di questo capitolo cercherò di ricostruire lo scenario tecnologico e

sociale in cui si inquadra l’attuale produzione massiccia di dati e testi digitali (§ 1.1),

per poi affrontare brevemente il fenomeno dei cosiddetti “big data” (§ 1.2). Prenderò

in considerazione sia le sue potenzialità come enorme patrimonio di informazioni, che

può essere sfruttato per moltissimi scopi (innanzi tutto, per ora, commerciali e politici,

ma anche informativi, conoscitivi, sociali), sia i suoi limiti, legati alle difficoltà di

recupero, archiviazione ed elaborazione di numeri enormi di dati eterogenei. Mi

soffermerò soprattutto sui cosiddetti user-generated contents che caratterizzano le

piattaforme social, cioè i contenuti prodotti dagli utenti e pubblicati volontariamente

sotto forma di commenti, post, video e immagini digitali, frutto delle esperienze delle

persone (Gavatorta, Maestri 2013 p. 15) (§ 1.2.2).

A questo punto tenterò di ricostruire a grandi linee come la semiotica si è

dedicata allo studio dei testi e delle pratiche che caratterizzano il Web, mettendo in

luce le difficoltà principali che incontra il/la semiologo/a impegnato/a su questi temi

(§ 1.3), e stringerò il campo spiegando quali tipi di testi intendo studiare nel mio lavoro

e a quale scopo (§ 1.4). Mostrerò cioè come alcune categorie di contenuti digitali

prodotti dagli utenti possano dire qualcosa su come le persone interpretano e usano i

luoghi in cui vivono o che attraversano sporadicamente. Spesso, infatti, queste forme

testuali relativamente nuove non sono altro che descrizioni di un luogo e/o racconti

di esperienze vissute al suo interno: basti pensare alle recensioni che scriviamo su

TripAdvisor (§ 1.4.1) o alle immagini accompagnate da didascalie, commenti, hashtag

e geolocalizzazioni che condividiamo su Instagram (§ 1.4.2).

In base a queste premesse, nei capitoli successivi tenterò di mostrare che lo studio

di grandi quantità di testi digitali relativi a luoghi, pur richiedendo spesso l’intervento

13

dell’informatica, può integrare la metodologia tradizionale di analisi semiotica dello

spazio urbano e può essere utile a identificare il significato, i valori e le emozioni che

si associano a un luogo, in base a come esso è interpretato e descritto da gruppi di

cittadini/e.

1.1 Dalle tecnologie digitali alla produzione massiccia di dati e testi

Il passaggio dall’analogico al digitale è stato spesso definito come una rivoluzione non

solo tecnologica (fin da Negroponte 1995), ma socioculturale (Bennato 2011). Il

cambiamento tecnologico ha toccato la quasi totalità degli aspetti della nostra vita

quotidiana e professionale, mutando in particolare il modo in cui comunichiamo e ci

informiamo. A ciò si è aggiunta, negli ultimi dieci anni, la diffusione capillare di device

mobili come smartphone e tablet che, con l’accesso al Web, permettono di comunicare

e informarsi, annullando le distanze nello spazio fisico e nel tempo. Grazie a questi

strumenti elettronici e all’uso di programmi e applicazioni quasi sempre gratuite,

possiamo fare cose che solo una ventina di anni fa erano inimmaginabili. Interagiamo

quotidianamente tra noi in modo pubblico o privato attraverso piattaforme social

come Facebook e Twitter o applicazioni di messaggistica come WhatsApp e Telegram.

Condividiamo e consultiamo contenuti video su piattaforme di content sharing come

Youtube o recensioni di esperienze di viaggio su siti specializzati come TripAdvisor.

Diffondiamo le nostre idee con blog personali e promuoviamo le nostre attività

professionali attraverso social media o siti web dedicati. Tutto ciò cambia il nostro

vivere quotidiano, che è assorbito da una fitta e crescente attività basata sui device

digitali web based, in grado di riunire e scambiare contenuti di diverso tipo (come testi,

immagini, video, audio e così via) (Finocchi 2018).

Castells (2008) osserva che i dispositivi, spesso mobili, che si usano per agire

online offrono all’utente la “capacità personalizzata e diffusa di accedere al network

locale/globale della comunicazione, da ogni luogo e in qualsiasi momento” (ivi, p.

264): l’aspetto più rilevante non è tanto la possibilità di collegarsi al Web in condizione

di mobilità, ma quella di assicurare una connettività ubiqua e permanente alle reti, ai

repertori di informazioni e ai network di comunicazione interpersonale. Avere uno

smartphone connesso a Internet significa poter accedere a una mole gigantesca di

14

informazioni e poter agire, in qualsiasi momento e da qualsiasi luogo, all’interno delle

comunità online più disparate, siano esse genericamente composte dai nostri “amici”

o “follower” su un social network generalista come Facebook o Twitter o specializzato

e mirato a seconda dei nostri interessi e delle nostre passioni (comunità di

videogiocatori, viaggiatori, appassionati di cucina, e così via).

In questo scenario, l’aspetto più rilevante per la mia ricerca è l’enorme mole di

informazioni e contenuti digitali che lasciamo on line ogni volta che usiamo un

dispositivo collegato alla rete. Alcuni di questi dati sono ceduti alle aziende che

gestiscono i vari servizi online indipendentemente dalla nostra volontà. Mi riferisco,

ad esempio, alle informazioni sulle scelte di acquisto raccolte dai siti di e-commerce o

a quelle sui nostri legami sociali cedute ai gestori delle piattaforme social. In realtà in

alcuni casi non è neppure necessario usare il dispositivo attivamente ma basta averlo

in borsa per dare la possibilità alla compagnia telefonica di mappare i nostri

spostamenti, le nostre abitudini e i nostri acquisti offline. In altri casi creiamo e

condividiamo volontariamente dati e testi digitali eterogenei. Questo succede ogni

volta che pubblichiamo un post su Facebook o condividiamo la nostra posizione con

Google Maps per recensire un luogo che abbiamo visitato. Ciò ci rende “incessanti

produttori” (Vella 2018, p. 3) (più o meno consapevoli) di contenuti, che si diffondono

in rete secondo modalità relativamente nuove e molto diverse dalla logica del

broadcasting che caratterizzava, e in parte ancora caratterizza, radio e televisione.

La trasmissione di contenuti web, infatti, non si basa su una fonte che irradia

contenuti a una collettività di persone, intese come pubblico indistinto. Per spiegare il

suo funzionamento è stato inizialmente sviluppato il concetto di webcasting (Whittaker

2004), che è un’architettura di trasmissione di contenuti simile a quella del broadcasting,

ma distribuita attraverso le reti digitali e indirizzabile sia verso audience ampie, sia

verso pubblici più segmentati. Con il passare del tempo e con l’affermarsi del ruolo

dei social network come strumento principale per la circolazione di contenuti, è stato

chiaro che nemmeno il concetto di webcasting è sufficiente per definire la componente

trasmissiva e simbolica della comunicazione Internet contemporanea. Il Web odierno

infatti è contraddistinto da tratti come l’interattività e la socialità che vanno ben oltre la

semplice trasmissione di contenuti, anche se mirati a nicchie di utenti. Perciò Bennato

(2011) ha proposto il termine socialcasting, che è

15

la modalità di trasmissione caratteristica del web sociale e partecipativo, il

cui processo distributivo fa riferimento a una community di persone che

decidono in completa autonomia di aumentare la circolazione di un

contenuto grazie alle opportunità di condivisione rese possibili dalle nuove

piattaforme tecnologiche (ivi, p. 6).

L’attuale processo distributivo è quindi basato su comunità di persone che decidono

in autonomia di far circolare un contenuto. In questo modo gli utenti non formano più

un semplice pubblico passivo che consulta contenuti digitali, ma diventano più o meno

consapevolmente autori o promotori di dati e testi. Essi si comportano sempre più

come lavoratori segnici, continuamente impegnati a produrre informazioni, trasmetterle

e interpretare messaggi (Borrelli 2018). D’altra parte, smartphone, tablet e computer

permettono a chiunque di creare e condividere contenuti digitali di diverso tipo: post

su Facebook o su un blog, tweet, immagini su Instagram o Flickr, pagine di Wikipedia

e molto altro. Tutto questo materiale digitale compone – anche se soltanto in parte – la

massa enorme di testi eterogenei da molti definita big data.

Con il concetto di big data, che approfondirò nel prossimo paragrafo, si intendono

quegli insiemi di dati talmente grandi, eterogenei e complessi da richiedere l’uso di

strumenti informatici e software statistici per la loro elaborazione (Manovich 2012). In

generale, essi comprendono dati classificabili in tre gruppi:

(1) contenuti digitali volontariamente creati e diffusi dalle persone, come i tweet o

le immagini condivise su Instagram;

(2) dati prodotti dalle azioni umane svolte online, ma non visibili all’utente, come

l’archivio delle geolocalizzazioni registrate da un dispositivo digitale mobile;

(3) informazioni provenienti dai sistemi di sensori dell’Internet of Things3

3 L’internet of Things, o Internet delle cose, è una delle rivoluzioni tecnologiche più rilevanti degli ultimi tempi perché si propone di fondere il mondo reale con quello virtuale espandendo Internet agli oggetti che usiamo quotidianamente. I dispositivi fisici dell’Internet of Things possono comprendere molti oggetti diversi, come condizionatori d’aria, navigatori satellitari ed elettrodomestici. Ciò che rende questi oggetti intelligenti sono i sensori e i microprocessori che trasformano semplici dispositivi in strumenti dalle funzioni avanzate (pensiamo ad esempio ai frigoriferi che avvisano quando termina un ingrediente). Il risultato è un ambiente reso più intelligente e capace di sentire ciò che lo circonda grazie a sensori che raccolgono dati e rendono la nostra vita più semplice e sicura.

16

Tutta questa mole di dati, che è già immensa e per giunta cresce di continuo, contiene

un enorme patrimonio di informazioni che può essere usato per moltissimi scopi:

commerciali e politici innanzi tutto, perché è soprattutto in questa direzione che al

momento i dati sono sfruttati, ma anche per scopi conoscitivi, scientifici, sociali. La

dimensione del fenomeno diventa più chiara se si pensa che nel gennaio 2018 risultava

che avessero accesso a Internet circa 4 miliardi di persone (il 53% della popolazione

globale) 4, e che ognuna delle attività online lascia tracce digitali.

1.2. Big data

Chiunque si interessi almeno un po’ di tecnologie informatiche ha sentito parlare di

big data. Questi sono definiti come un fenomeno culturale, tecnologico e accademico

che si sviluppa grazie all’interrelazione di tre elementi: la tecnologia, l’analisi e una

forma di mitologia (boyd, Crawford 2012). La tecnologia massimizza la potenza

computazionale e la precisione degli algoritmi per la gestione e il recupero dei dati,

mentre l’analisi permette l’identificazione di pattern riguardo a fenomeni sociali,

economici, tecnici e legali. Con il termine mitologia infine, le autrici si riferiscono alla

convinzione ampiamente diffusa, rilevante anche da un punto di vista semiotico, per

la quale grandi insiemi di dati offrono una forma di intelligenza e conoscenza che può

generare intuizioni almeno apparentemente vere, oggettive e accurate.

Big Data has emerged a system of knowledge that is already changing the

objects of knowledge, while also having the power to inform how we

understand human networks and community (ivi, p. 665).

In ambito accademico si iniziò a usare questo termine negli anni Novanta, quando si

cominciò a discutere sulle grandi basi di dati disponibili per la ricerca scientifica e sulle

tecniche per permettere a ingegneri e scienziati di estrarre informazioni da esse (Cox e

Ellsworth 1997). In questa fase l’attenzione si focalizzò soprattutto sull’enorme

quantitativo dei dati, ma da allora il concetto di big data si è evoluto, includendo altre

4 Questi numeri vengono dal Report che l’agenzia di comunicazione globale Wearesocial.com – che si occupa di tecnologie mobili e social media – ha pubblicato nel gennaio 2018: https://www.slideshare.net/wearesocial/digital-in-2018-global-overview-86860338, consultato il 12 settembre 2018.

17

caratteristiche. Zikopoulos et al. (2012) hanno descritto in modo più completo il

fenomeno attraverso le ormai celebri “tre v” dei big data: volume, velocità e varietà. La

prima caratteristica riguarda la quantità di dati: enorme e sempre crescente. La velocità

si riferisce invece alla grande rapidità con cui i dati sono generati e archiviati.

I numeri relativi al volume e alla velocità di produzione dei big data sono

impressionanti. Una proiezione su scala mondiale del 2014 mostra che quell’anno su

Facebook erano stati aggiornati in media 293 mila status al minuto, su Instagram si

caricavano 67 mila foto al minuto, mentre su Twitter, sempre ogni 60 secondi, si

pubblicavano 433 mila tweet.5 L’infografica della Fig. 1 dà una visione d’insieme sul

numero di dati digitali prodotti ogni 60 secondi dalle azioni e interazioni online nel

2014.

5 Cfr. “What happens online in 60 seconds?” https://blog.qmee.com/qmee-online-in-60-seconds/, consultato il 12 settembre 2018.

18

Figura 1.

Un altro strumento utile per dare concretezza alle dimensioni dei big data è il sito web

“One second on the Internet” 6 , dove si può vedere in tempo reale quanto viene

pubblicato, condiviso e scambiato su Internet ogni secondo. I contenuti generati su

ogni piattaforma sono mostrati attraverso lunghi elenchi di piccole icone, ed è possibile

soffermarsi qualche minuto sul sito per vedere i contatori raggiungere cifre davvero

gigantesche.

La terza proprietà che Zikopoulos et al. (2012) hanno attribuito ai big data è la

varietà, che riguarda la forte eterogeneità sia delle loro caratteristiche, sia della loro

provenienza. I database si trovano ormai ad archiviare dati molto diversi tra loro come

6 One second on the Internet: http://www.internetlivestats.com/one-second/, consultato il 12 settembre 2018.

19

testi verbali, immagini, suoni, metadati, geolocalizzazioni e così via. I dati inoltre

possono essere strutturati, quando sono stati progettati secondo uno schema preciso

(ad esempio una tabella che contiene nome, cognome e codice fiscale), semi-strutturati,

cioè privi di uno schema preciso ma corredati da indicazioni (metadati) che danno loro

una struttura almeno parziale (ad esempio dati rappresentati da linguaggi di markup

che, grazie ad alcuni marcatori, distinguono alcune componenti semantiche), o non

strutturati, come i testi verbali liberi, le immagini e tutto ciò che non segue nessuno

schema prefissato. I dati infine possono essere completamente o parzialmente

accessibili grazie ad applicazioni software dedicate, e possono provenire dalle fonti

più disparate, come gli archivi aziendali, i media, i social media. Tra le fonti capaci di

generare dati digitali troviamo quanto schematizzato nella tabella che segue:

FONTE TIPI DI DATI

Media Immagini, video, audio, live stream, ecc.

Social Media Post su Facebook, tweet, immagini su Instagram,

recensioni su TripAdvisor, ecc.

Archivi di documenti

elettronici e/o scansionati

Documenti aziendali, testi accademici, email, ecc.

Archivi di Open Data Dati della pubblica amministrazione, informazioni

meteo, informazioni su eventi sismici, ecc.

Web Pagine web, pagine Wiki, ecc.

Piattaforme di business Informazioni sugli acquisti, tracce delle transazioni

economiche, ecc.

Internet of Things Dati ottenuti grazie a sensori distribuiti

nell’ambiente che ci circonda, come informazioni

sul livello dell’acqua di un fiume, sul livello di

inquinamento di un centro urbano, sul grado di

luminosità di una strada o sullo stato degli

apparecchi domestici di una casa (domotica).

Questo schema contiene un elenco solo parziale delle possibili fonti di big data, ma ci

permette ugualmente di capire come ogni fonte offra dati estremamente diversi tra

20

loro dal punto di vista sia della forma, sia del tipo di contenuto. Da una parte, la grande

eterogeneità li rende rilevanti per raggiungere diversi obiettivi, dall’altra rende

particolarmente difficile raccoglierli e analizzarli, se non ricorrendo a tecnologie

informatiche dedicate e a nuove figure professionali specializzate.

Le tre “v-words” appena presentate – volume, velocità, varietà – non riescono

però a spiegare la complessità del fenomeno, la cui definizione, nel tempo, è stata

arricchita da ulteriori caratteristiche che ne chiariscono aspetti non meno rilevanti,

come la viralità e il valore. La crescita dei big data avviene in modo esponenziale. In

determinate condizioni essi possono propagarsi velocemente e a grande distanza con

caratteristiche di viralità. La viralità è comunemente intesa come la capacità di un testo

(verbale, visivo, audiovisivo) di propagarsi in rete in modo rapidissimo e capillare7, e

coinvolge soprattutto i social media, in cui i contenuti sono condivisi generando

velocemente volumi significativi di reach e di engagement (Peverini 2014a). Il tipo di

diffusione dei testi digitali all’interno del social web è quindi paragonato a quello dei

virus altamente infettivi: i contenuti sono visti, rivisti, scaricati e condivisi con amici e

conoscenti “contagiando” un grande numero di utenti.

L’ultima caratteristica dei big data, probabilmente la più rilevante, è il valore,

inteso quasi sempre in senso economico. Esso riguarda le potenzialità dei big data per

“migliorare il rapporto costi-benefici di un’impresa” (O’Leary 2013, p. 2) e sta nella

capacità di fornire analisi utili e interessanti in grado di descrivere eventi e processi

passati e, a volte, di prevederne di futuri. Diversi autori hanno cercato di capire come

questa data revolution stia cambiando radicalmente il modo in cui viviamo, pensiamo

e lavoriamo (cfr. Kitchin 2014a; Meyer 2015). Senza dubbio il fenomeno definito

datification, cioè la trasformazione di ogni cosa in dati digitali e la loro successiva analisi

(Schäfer, van Es 2017), si trova al centro del mondo interconnesso in cui viviamo ed è

l’elemento cruciale che permette il funzionamento dell’economia dell’informazione.

Data feed the many applications we use on a variety of platforms, they flow

from users and devices to services and platforms, making connection and

scaling audiences at an unprecedent rate. Networked connectivity runs on

7 Cfr. ad esempio la voce “viralità” del dizionario Treccani online: http://www.treccani.it/vocabolario/viralita_(Neologismi), consultato il 12 settembre 2018.

21

data – the new oil of the information economy. Just as electricity changed

industrial processes and domestic practices in the nineteenth century, a data-

driven paradigm constitutes the core of twenty-first-century processes and

practices (ivi p. 11).

I dati sono denaro: grazie al loro valore predittivo e strategico sono fondamentali per

moltissime aziende e multinazionali che operano a contatto con il grande pubblico e

che, con l’analisi di enormi database, tentano di prevedere e influenzare le scelte

d’acquisto delle persone. Una ricerca del McKinsey Global Institute8 ha studiato il

potenziale trasformativo dei big data in diversi settori, tra cui quello commerciale, e

ha mostrato come un’impresa possa aumentare i propri guadagni fino al 60% usandoli

in modo consapevole e creativo (Brown, Bughin et al. 2011). Il valore dei dati che

circolano sul Web è anche il motivo per cui tutti i principali social network possono

essere usati gratuitamente. La possibilità di profilare gli utenti in base alle

informazioni che noi comunichiamo volontariamente riguardo alle nostre abitudini e

ai nostri gusti ha infatti un valore notevole in campo pubblicitario. Di conseguenza, i

nostri dati sono la vera e propria moneta di scambio grazie alla quale possiamo

sfruttare gratuitamente i servizi offerti dalle piattaforme social.

1.2.1 Analizzare i big data

La grande disponibilità di dati sul Web e il loro valore potenziale ha spinto aziende e

studiosi a elaborarli con molteplici strumenti capaci di analizzare ed estrarre valore

dai database, strumenti che spaziano dai modelli statistici alla computazione più

avanzata del machine learning. In tutti i casi però l’obiettivo è sfruttare le informazioni

presenti nei database per ragioni di management, commerciali o di ricerca.

In ambito aziendale, l’analisi dei dati fornisce informazioni importanti sulle

preferenze della clientela e suggerisce su quali prodotti e servizi puntare per

rispondere alle domande del mercato. In questo senso l’analisi di dati digitali

provenienti da diverse fonti permette di prendere decisioni più ponderate, di evitare

8 Il McKinsey Global Institute è l’ente di ricerca della società di consulenza manageriale McKinsey, volto allo studio dell’evoluzione dell’economia globale. Cfr. il suo sito web https://www.mckinsey.com/mgi/overview, consultato il 12 settembre 2018.

22

sprechi di denaro e di fornire prodotti e servizi che siano il più possibile appetibili per

i clienti. I suggerimenti personalizzati di Amazon9 sono un ottimo esempio di uso dei

big data per il miglioramento dei propri servizi. L’azienda di e-commerce infatti

prevede gli interessi degli utenti basandosi sui prodotti che hanno già acquistato,

quelli che hanno consultato sui cataloghi delle varie categorie merceologiche e quelli

per cui hanno inserito recensioni. Ognuna di queste azioni svolte online dalle persone

crea dati che per Amazon sono una risorsa utile per proporre a ognuno i prodotti che

saranno acquistati con più probabilità.

Oltre a dare un valore aggiunto alle aziende, i big data stanno dimostrando di

essere un elemento fondamentale in diversi ambiti di ricerca, sia scientifica, sia

umanistica e sociale.

In ambito scientifico gli studi che implicano la raccolta e l’analisi di grandi

insiemi di dati, spesso provenienti da sensori collegati a oggetti e/o luoghi fisici, sono

innumerevoli e, in alcuni casi, il punto di vista data-driven ha portato anche allo

sviluppo di nuove discipline10.

Anche le scienze umane hanno dimostrato un ampio interesse nei confronti dei

big data, soprattutto verso quelli che Celli (2016) definisce “dati umani”. Negli ultimi

anni sempre più azioni quotidiane avvengono per mezzo di sistemi informatici e ciò

fa sì che ognuno di noi produca e ceda più o meno consapevolmente un numero

enorme di dati digitali – i dati umani appunto – che rappresentano tracce delle

ricerche, degli acquisti, delle interazioni o di qualsiasi altra attività online. Pensiamo

ad esempio alle informazioni che diffondiamo attraverso i social network o ai dati

relativi alle nostre scelte d’acquisto. Ciò porta a una discrepanza: le tecniche per

elaborare un simile quantitativo di dati sono principalmente statistiche e informatiche,

mentre i dati che si cerca di interpretare hanno a che fare con le scienze umane (ivi).

Di conseguenza, mai come in questo periodo storico una collaborazione tra le scienze

9 Per i suggerimenti personalizzati Amazon, cfr. https://www.amazon.it/gp/help/customer/display.html?nodeId=201930010, consultato il 12 settembre 2018. 10 Da pochi anni si parla ad esempio di astro-informatica, un campo di ricerca che sta al confine tra astrofisica, cosmologia, matematica, scienze statistiche e informatica e che sta raggiungendo nuove frontiere nella ricerca astronomica grazie al confronto incrociato di enormi quantità di dati (Brescia, Longo 2013; Borne 2010).

23

naturali, quelle sociali e le discipline umanistiche (Kagan 2009), si rende necessaria.

Solo combinando competenze e tecniche provenienti da ambiti diversi è possibile

elaborare e interpretare enormi insiemi di dati. Il ricercatore in discipline umanistiche

che studia queste nuove forme testuali non potrà infatti fare a meno di usare strumenti

informatici per reperire e/o pre-elaborare in modo automatico i dati. A tal riguardo

vedremo come raccogliere e analizzare manualmente corpora medio-grandi di

contenuti digitali non sia sempre possibile per ovvie ragioni di mancanza di tempo ed

eccesso di sforzo cognitivo richiesto (si pensi, ad esempio, a grandi raccolte di

commenti su un determinato topic postati su Facebook, o ad ampie selezioni di

immagini scattate per recensire un determinato luogo su TripAdvisor).

Sono molte le discipline umanistiche e sociali che hanno compreso le potenzialità

di un dialogo sistematico con l’informatica e che hanno iniziato a usare grandi quantità

di dati digitali per studiare fenomeni linguistici, storici, sociali e culturali complessi.

In genere, le diverse ricerche hanno in comune l’uso di strumenti informatici e tecniche

computazionali, ma si basano su obiettivi, teorie, modelli e metodologie di analisi

molto diverse. Ne sono due esempi la linguistica computazionale, che grazie all’idea

di grammatica generativa di Chomsky (1970) fu una delle prime discipline a tentare di

analizzare in modo automatico grandi corpora di testi, e l’antropologia

computazionale che, grazie alla disponibilità crescente di dati geolocalizzati, studia le

relazioni umane nello spazio (Celli 2016).

Anche la semiotica ha dimostrato interesse verso lo studio delle nuove forme

testuali presenti sul Web, soprattutto come mezzi per indagare fenomeni culturali o

sociali più ampi. A causa dello spirito analitico e attento al dettaglio della disciplina,

questi studi si differenziano da quelli prima citati perché tendono a non adottare

tecniche computazionali per l’analisi automatica dei contenuti, ma si concentrano su

porzioni ridotte di testi provenienti dalle piattaforme web, dai dispositivi mobili e dai

vari repositories. L’obiettivo delle ricerche semiotiche su porzioni di questi testi è

duplice. Da un lato, esse studiano le forme testuali e le regole di produzione e

diffusione che le caratterizzano – ad esempio il valore e le pratiche d’uso degli hashtag

(Festi 2014) o le peculiarità delle immagini digitali condivise su Instagram (Del Marco

2016). Dall’altro lato, tentano di scoprire qualcosa che va oltre i contenuti analizzati,

qualcosa che è in qualche modo descritto e narrato dai testi – ad esempio il livello di

24

gradimento raggiunto da un brand (Ceriani 2016) o le opinioni degli utenti che

assistono a un programma televisivo twittando (Santangelo 2016).

Alcuni di questi testi sono significativi da un punto di vista culturale (Schäfer,

van Es 2017), altri lo sono dal punto di vista sociale; in ogni caso tutti entrano a pieno

titolo tra le forme testuali studiate dalle discipline umanistiche (Celli 2016), semiotica

compresa. Manovich (2012) però ricorda la necessità di non considerare mai i testi

digitali come oggetti semplici, in sé trasparenti e diretti, perché spesso, soprattutto per

quel che riguarda i contenuti social, sono il risultato di un’opera complessa di gestione

della propria identità digitale.

We just have to keep in mind that what all this data is not a transparent

window into peoples’ imaginations, intentions, motifs, opinions, and ideas.

Its more appropriate to think of it as an interface people present to the world

(ivi, p. 7).

Per parlare di analisi qualitativa e culturale dei dati è infatti utile fare riferimento al

modello di ciclo di vita dei big data proposto da Vella (2018, p. 2) “perché consente di

evidenziare il loro statuto di “prodotti” (culturali), in contrasto a una pretesa

“purezza” (naturale) del dato stesso”. Secondo l’autrice il ciclo di vita dei big data può

riassumersi in cinque step fondamentali:

(1) fonti: la fase di esistenza dispersa e disorganizzata dei dati;

(2) raccolta: il passo fondamentale per poter studiare i dati che sono

recuperati mediante software dedicati (sviluppati o impostati dall’analista

per agire solo sulle fonti per lui pertinenti);

(3) dataset: la fase di organizzazione dei dati raccolti sotto forma di insiemi di

dati in relazione tra loro;

(4) management: la fase di integrazione del dataset in un database, cioè un

insieme di dati organizzati secondo un modello logico scelto dall’analista;

(5) visualizzazione: la fase in cui i dati sono mostrati sotto forma di

percentuali e sintesi, sempre in base alla volontà dell’analista che ne

sceglie la forma (ivi, p. 3).

Da questo schema emerge che i dati sono prima di tutto oggetti fortemente orientati

dall’analista. Nessun dato può essere considerato scientificamente puro perché fin

25

dalla sua raccolta è necessariamente influenzato dagli obiettivi della ricerca. Lo stesso

vale per le altre fasi del ciclo di vita dei big data: il modello logico scelto nella fase di

management influisce significativamente sulle relazioni tra i dati e, di conseguenza, su

ciò che possono comunicarci, allo stesso modo il loro significato è modificato dalle

modalità di visualizzazione scelte dall’analista. Per questi motivi, secondo Vella (2018,

p. 4) “sarebbe utile parlare non di “data”, passiva accettazione di ciò che è dato, ma di

“capta”, attiva costruzione dell’oggetto di interesse”. Inoltre l’autrice osserva che in

questo senso il ciclo di vita dei dati si presenta come un “processo di disambiguazione

testuale per gradi di leggibilità e complessità” (ivi, p. 9): prima e durante la raccolta i

dati sono complessi e illeggibili (perché sono distribuiti in diverse fonti e non

presentano alcuna organizzazione che ne agevola la comprensione e il recupero), nelle

fasi di costruzione del database e di management i dati si presentano invece come più

semplici, perché organizzati, ma comunque ancora illeggibili, almeno in parte. È infatti

solo nella fase di visualizzazione e disseminazione che i dati diventano leggibili non

dall’analista ma da chiunque, riportando caratteristiche e storie relative alla situazione

che descrivono. Come abbiamo visto, però, l’analista e i software che usa non possono

agire in modo completamente trasparente e influenzano, anche solo in parte, i

significati che si attribuiscono ai contenuti digitali. Le ricerche informatiche più recenti

in questo campo stanno cercando le soluzioni migliori per dare senso ai dati e arrivare

a conclusioni attendibili e veritiere. Troviamo sia ricerche che propongono protocolli

per identificare automaticamente schemi e anomalie gia presenti nei dati (Etz et al

2019), sia studi concentrati sulle tecniche e gli strumenti per la visualizzazione dei big

data, fase imprescindibile per una corretta interpretazione degli stessi (cfr. Bikakis

2018; Mitra 2018).

Per occuparsi di big data in prospettiva semiotica e più ampiamente umanistica

non è però sufficiente criticare e decostruire la naturalizzazione dell’idea del dato

inteso come oggetto incontestabile, tenendo conto del ruolo dei regimi di credibilità e

veridizione (Del Marco; Mazzucchelli 2018), ma è necessario anche superare alcune

difficoltà empiriche collegate alla raccolta e analisi dei dati. In primo luogo, cercare,

raccogliere, memorizzare e analizzare i dati è tutt’altro che semplice e gli strumenti di

analisi automatica e di data discovery, pur essendo molto potenti, spesso faticano a

gestire ed elaborare database in continua crescita. Inoltre, per estrarre e analizzare

26

corpora dalla rete è necessario riflettere ogni volta con grande attenzione sul grado di

pertinenza del corpus rispetto al fenomeno studiato, sull’oggettività dell’elaborazione

quantitativa dei dati e sulla plausibilità della interpretazione che di volta in volta se ne

dà (Ceriani 2016). Le fonti web che sto interrogando sono quelle giuste per ottenere le

informazioni di cui ho bisogno? Sto interrogando le fonti con gli strumenti giusti? Lo

sto facendo nel modo corretto, ad esempio usando le parole chiave o gli hashtag più

diffusi e significativi?

Nel corso di una ricerca che implichi lo studio di grandi corpora di testi digitali

tutte queste domande devono trovare una risposta ragionata e motivata, in modo da

costruire un corpus il più rappresentativo possibile della situazione che si sta

studiando. I testi raccolti devono poi essere salvati in locale, con gli ovvi problemi di

memoria richiesta e, se possibile, devono essere organizzati in modo da poter essere

recuperati in momenti successivi in base alle necessità di analisi e ricerca.

Nel § 1.3 vedremo che tutto ciò rende complesso il lavoro del/la semiologo/a che

studia ampie porzioni di contenuti digitali e lo/a spinge a confrontarsi con

l’informatica, che fornisce nozioni e strumenti utili per orientarsi e agire con criterio

su questa immensa mole di informazioni potenzialmente interessanti.

A questo punto però bisogna chiarire che la semiotica, almeno per quel che

riguarda il metodo di analisi proposto in questa tesi, non può occuparsi dei big data

propriamente detti, cioè di enormi e complesse basi di dati, elaborabili e interpretabili

solo grazie all’informatica. Il/la semiologo/a dovrà piuttosto selezionare porzioni di

esse, seppur molto ampie, in modo da combinare l’analisi automatica, capace di

categorizzare e fare chiarezza sui i dati, a quella manuale, ottima per studiare in modo

più approfondito il fenomeno osservato.

L’unico modo per superare questo metodo di studio, e quindi occuparsi

dell’enormità dei big data, è affidarsi completamente all’informatica e alle sue capacità

di analisi del significato testuale. La Sentiment Analysis ad esempio è una tecnica

automatica che identifica e classifica le opinioni e i sentimenti espressi dagli autori di

milioni di testi digitali. Facendo luce sui valori in gioco nei testi, i suoi obiettivi sono

simili a quelli della semiotica ma, come vedremo in seguito (§ 2.1.3.2), le sue tecniche

hanno diversi limiti che la rendono tutt’altro che infallibile: la Sentiment Analysis ad

esempio non riesce a riconoscere l’ironia e spesso fatica a gestire le opinioni espresse

27

in modo oggettivante (si pensa che… si dice che…). Tutte queste attività non richiedono

invece particolare impegno all’analista umano che grazie all’osservazione e all’analisi

manuale fa luce sul significato dei testi in modo più sfaccettato e trae coclusioni che

vanno oltre le semplici polarità offerte dall’informatica (positivo, negativo e neutro).

1.2.2 Social network sites: le migliori fonti di testi digitali per la semiotica

Tra tutte le applicazioni e i servizi offerti dal Web 2.0 che producono big data, i social

media, e in particolare i siti di social network, sono sicuramente tra le novità più

interessanti per la semiotica in quanto fonti di testi relativi a comportamenti e processi

comunicativi umani.

I social network sono social media volti alla creazione di reti sociali che

permettono di: (1) creare un profilo pubblico o semi-pubblico, (2) consultare elenchi di

altri utenti con cui poter entrare o rimanere in contatto e (3) rendere visibili on line le

proprie reti sociali (boyd, Ellison 2007). Ciò che distingue i social network sites dalle altre

applicazioni che fanno parte dei social media è legato soprattutto all’ultimo punto, cioè

al fatto che questi siti permettono agli utenti di creare e rendere pubbliche le proprie

reti sociali, “in un processo di selezione e/o accumulazione che crea e mette in

evidenza relazioni che raramente sarebbero attivate nella vita off line dei cittadini”

(Lovari, Martari 2013, p. 4). In questi ambienti online la dimensione relazionale è

preponderante: “i social network sites non offrono contenuti (intesi in termini

tradizionali, ovvero predisposti da un soggetto editoriale), ma piattaforme che

consentono di articolare, attualizzare e gestire relazioni sociali” (Comunello 2010, p.

122), le quali lasciano tracce testuali del loro farsi (ad esempio post e commenti). In

realtà, la categoria social network sites comprende applicazioni molto diverse tra loro.

Le funzioni offerte e la natura dei contenuti presenti sulle diverse piattaforme social

sono le più varie, e ogni social network site ha obiettivi e caratteristiche differenti che

possono riguardare il layout, il regolamento, la possibilità di usare testi multimediali,

le funzioni che permettono di esprimere apprezzamento o interesse e così via. Esistono

ad esempio reti sociali generaliste, come Facebook e Twitter, che non hanno un tema

specifico e puntano solo a far interagire gli utenti, e reti sociali tematiche, come

28

LinkedIn, che invece si occupano di un ambito specifico, in questo caso il mercato del

lavoro e delle professioni.

La sempre più rapida crescita e diffusione mondiale, negli ultimi dieci anni, dei

social network sites, e la conseguente produzione massiccia di user-generated contents, sta

modificando non solo il modo in cui comunichiamo, ma ambiti come l’informazione,

l’intrattenimento, la creatività, il sapere e non solo (Boccia Artieri 2012). In effetti, le

innovazioni tecnologiche hanno un ruolo rilevante nel ridefinire, in una cultura, l’idea

di testo, le pratiche e la regolazione socio-politica dei protocolli di interpretazione

(Salerno 2018). Ciò spinge il/la semiologo/a a occuparsi di queste nuove forme testuali

e a riflettere su come “la diffusione dei contenuti in un ambiente virtuale, senza spazio

e che vive in un tempo sempre urgente e sempre presente può influenzare l’attuale

modo di fare comunicazione e non solo” (Bigi, Codeluppi 2011, p. 1).

In effetti, i social network non influiscono solo sul modo in cui comunichiamo in

rete, ma stanno riconfigurando parte delle nostre vite, “grazie a uno stato di

connessione crescente nel quale interagiamo e impariamo gli uni dagli altri” (Boccia

Artieri 2012, p. 116). Grazie a essi ognuno di noi, in quanto utente web, è in grado di

produrre contenuti ponendosi sia come autore di testi digitali sia come responsabile

delle pratiche di condivisione degli stessi. Allo stesso tempo ognuno di noi ricopre

anche il ruolo di fruitore ed esploratore dei database ospitati dai social network sites,

potendo in questo modo usufruire di una mole enorme di informazioni più o meno

specialistiche, accurate e utilizzabili nella vita reale. In tal senso i social network sites

riducono “la capacità di esercitare la memoria collettiva che è delegata alla capacità di

questi mezzi di creare enormi enciclopedie” (Bigi, Codeluppi 2011, p. 1), seppur spesso

composte da testi di dubbio valore e attendibilità.

For the first time, we can follow imaginations, opinions, ideas and feelings

of hundred of million of people. We can see the images and the videos they

create and comment on, monitor the conversations they engaged in, read

their blog posts and tweets, navigate their maps, listen in their track list, and

follow their trajectories in physical space. And we don’t need to ask their

permission to do this, since they themselves encourage us to do by making

all this data public (Manovich 2012, p. 2).

29

Insomma, fatte le selezioni necessarie, i siti di social network sono un ambito di ricerca

interessante per le discipline sociali e umanistiche – e in particolare per la semiotica –

per tre ragioni principali.

Innanzitutto, le piattaforme social permettono ai ricercatori di raccogliere enormi

quantità di dati, che coinvolgono, a seconda dei casi, migliaia, decine di migliaia o

addirittura milioni di persone. In passato, indagare pratiche sociali o culturali

attraverso lo studio di grandi corpora testuali richiedeva azioni preventive che

comportavano un notevole dispendio di tempo, come la realizzazione di interviste,

l’organizzazione di focus group o l’osservazione diretta di un fenomeno. Ora, grazie

ai social network, raccogliere e studiare dati provenienti dalla società è – relativamente

– più facile, ne sono la prova gli studi che integrano sociologia e social network

analysis (cfr. ad esempio Gerbaudo 2012, che, osservando pratiche e contenuti digitali,

esamina la relazione tra l’ascesa dei social media e le nuove forme di protesta; e Boccia

Artieri et al. 2017, che studia dal punto di vista sociologico la presenza e le relazioni

degli italiani all’interno dei social network sites).

Esistono infatti diversi strumenti per la loro raccolta che vanno dalle API

(Application Programming Interface), costruite ad hoc per procedere alla raccolta di

informazioni in base alle esigenze di ricerca e alle caratteristiche della piattaforma

digitale su cui agiscono, fino alle applicazioni di social media analytics, che oltre a

raccogliere dati, forniscono metriche utili per realizzare analisi (Bennato 2015). Inoltre,

quasi tutte le piattaforme social mettono a disposizione dell’utente alcuni strumenti

più o meno sofisticati per recuperare, e in alcuni casi analizzare, i dati che contengono.

Pensiamo ad esempio ai motori di ricerca presenti sui social network e al comodo

espediente dell’uso degli hashtag per descrivere e indicizzare i contenuti.

Il secondo fattore che rende i contenuti presenti sui social media interessanti per

gli umanisti, e in particolare per i semiologi, è legato ad alcune delle caratteristiche di

questo tipo di testi digitali. Essi sono generalmente “testi sincretici” (Greimas e

Courtés 1979, voce “sincretiche, semiotiche”), che mettono in opera più linguaggi di

manifestazione e comprendono testi verbali, visivi e multimediali. Per questo sono

particolarmente adatti all’applicazione di metodologie di analisi già da anni affermate

in ambito semiotico. La semiotica visiva ad esempio, che da un lato si interessa delle

immagini in quanto rappresentazioni del mondo e dall’altro studia le configurazioni

30

visive indipendentemente da ciò che rappresentano (Polidoro 2008), fornisce teorie e

strumenti di analisi utili per studiare in profondità il significato delle immagini,

comprese quelle digitali condivise sui social network.

Infine, molti testi in formato elettronico messi a disposizione dalle piattaforme

social sono geolocalizzati e, in questo modo, sono strettamente connessi al luogo in cui

sono stati prodotti. Va da sé che l’osservazione semiotica di questi testi può dirci

qualcosa sia sulle pratiche di produzione testuale, sia, almeno in alcuni casi, sul modo

in cui i luoghi immortalati o descritti sono interpretati e usati dalle persone.

Iniziamo così a capire alcune delle ragioni per cui la semiotica ha considerato fin

da subito il Web e i suoi contenuti come oggetti di studio pertinenti e, nel prossimo

paragrafo, vedremo alcune delle tappe che hanno caratterizzato lo studio semiotico

del Web e degli user-generated contents, evidenziando le difficoltà che si incontrano

affrontando questi temi e analizzando questi testi.

1.3 Web e user-generated contents: la semiotica si mette alla prova

L’interesse della semiotica verso la rete, i suoi testi e le sue pratiche ha una lunga storia.

La letteratura dimostra che la disciplina ha percepito fin da subito la portata di questo

nuovo sistema di comunicazione. Già nel 1998 ad esempio il Centro Ricerche

Semiotiche di Torino dedicò parte di un volume intitolato Leggere la comunicazione:

politica, pubblicità, Internet alle possibilità aperte dalla rete, all’epoca nata da pochi anni

(Centro Ricerche semiotiche 1998).

Negli anni a seguire, numerosi studiosi di ambito semiotico hanno dedicato varie

riflessioni sulla rete e sulle forme testuali che la abitano, affrontando il Web da diversi

punti di vista. In particolare, a partire dal 2001 fu introdotto nelle università italiane, a

Bologna, il primo insegnamento denominato “Semiotica dei nuovi media” (Cosenza

2009), che aprì la strada alla fondazione di un vero e proprio ambito di applicazione

della disciplina semiotica, quello della semiotica dei nuovi media, appunto (Cosenza

2004). Fra i principali oggetti d'analisi di questa semiotica specifica, c’è sempre stato il

concetto di interfaccia, che è il luogo di interazione tra gli esseri umani e le macchine,

su cui la riflessione di studiosi variamente afferenti alla semiotica, anche in ambito

31

internazionale, si sono esercitati fin dai primi anni Novanta (Andersen 1992; Bonsiepe

1995; cfr. anche, successivamente, Pintori 2006; Cosenza 2012, 2014).

Negli anni, anche il Web è entrato a far parte, in modo crescente, degli interessi

della semiotica dei nuovi media (cfr. ad esempio Liu 2000; Sowa 2000; Stockinger 2001;

Barbosa et al. 2007; Incardona 2012). L’interesse della semiotica per il Web e i suoi

contenuti è stato confermato dal XLIII Congresso dell’Associazione Italiana di Studi

Semiotici. Durante l’evento, organizzato presso l’Università di Bologna nel settembre

2015 con il titolo “Nuove forme di interazione: dal web al mobile”, si è tentato di

riflettere sul rapporto tra la semiotica e l’universo della rete affrontando temi anche

molto diversi tra loro. Gli interventi di quel convegno, raccolti in un volume a cura di

Guido Ferraro e Anna Maria Lorusso (Ferraro, Lorusso 2016) hanno mostrato che la

semiotica è in grado di sviluppare nuovi metodi di analisi per il Web, applicando e

rielaborando comprovati strumenti teorici e metodologici per aumentare

l’intellegibilità di alcuni aspetti – e soprattutto alcuni testi – che caratterizzano la rete.

Del Marco (2016) ad esempio valuta le possibilità offerte da Instagram in ambito

visuale, Santangelo (2016) propone l’analisi di un programma televisivo attraverso lo

studio dei tweet prodotti in diretta dai telespettatori, mentre Ceriani (2016) mostra

come studiare la discorsività in rete per valutare la reputazione, la popolarità e il

sentiment di un marchio, un servizio, un prodotto. Questi pochi esempi sono già

sufficienti a evidenziare l’eterogeneità degli studi semiotici sul Web, eterogeneità

senza dubbio collegata allo sterminato numero di ambienti di comunicazione, servizi

e forme testuali che lo caratterizzano.

Andando oltre le differenze tra i singoli interventi, la scelta del tema del

congresso dell’AISS ha preso le mosse da una contraddizione interessante anche per il

mio lavoro di ricerca:

da un lato si percepisce quanto le nuove forme di comunicazione richiedano

decisamente l’attenzione e le capacità analitiche dei semiotici, ma dall’altro

lato si deve onestamente riconoscere che fino ad ora questo è stato un

incontro singolarmente, e forse inaspettatamente, difficile (Ferraro 2016, p.

5).

Le difficoltà che deve superare il/la semiologo/a per svolgere questo compito sono

molte.

32

Il primo problema riguarda l’applicabilità del concetto di testo agli user-generated

contents. Con il termine testo, che esprime un nodo teorico fondamentale in ambito

semiotico, generalmente si intende una porzione di realtà dotata delle caratteristiche

di chiusura, coerenza e coesione e di un significato interpretabile. Per tradizione,

infatti, la semiotica considera come proprio campo di indagine

tutto ciò che, secondo il dettato implicito della nostra cultura, può avere le

sembianze di un testo: ovverosia d’un qualche supporto espressivo atto a

veicolare determinati contenuti, con sue specifiche fattezze, confini

riconoscibili, processualità interna e via dicendo” (Marrone 2010a, p. 5).

Ben presto però, ci si è resi conto che una simile definizione conduce il/la semiologo/a

a studiare solo alcune specifiche entità semiotiche, come romanzi, film o fotografie.

Con il tempo, grazie alla vocazione generale della disciplina, il concetto di testo è stato

quindi ampliato fino a diventare quasi omnicomprensivo e a includere sia gli oggetti

significativi in forma non propriamente testuale, come ad esempio le forme di

discorsività in rete, sia le manifestazioni culturali che possono avere le stesse proprietà

fondamentali di un libro-testo (cioè la biplanarità, la tenuta, la chiusura, la

stratificazione dei livelli e la processualità interna) senza averne l’evidenza (ibidem).

D’altro canto, la nozione originale di testo è troppo rigida anche solo per potersi

adattare alle più recenti forme testuali che troviamo sul Web. Gli user-generated contents

sono infatti testi sincretici digitali sempre in corso d’opera (possono essere modificati,

arricchiti da commenti e cancellati) e ciò rende difficile stabilirne i confini in modo

netto. Essi inoltre possono essere incoerenti o non rispettare i tradizionali turni di

parola (pensiamo ad esempio a un singolo concetto espresso in più commenti a un

post).

Tutti questi contenuti digitali diventano quindi oggetti di studio pertinenti dal

punto di vista semiotico solo se facciamo riferimento a definizioni di testo più allargate

e mobili come ad esempio quelle di Lorusso (2010), nell’ambito della semiotica della

cultura, e di Cosenza (2014), nell’ambito della semiotica dei nuovi media. Lorusso

innanzitutto non pensa al testo come a qualcosa che esiste come tale nel mondo, ma

come qualcosa che il mondo e la cultura riconoscono così. In questo modo il concetto

di testo diventa mutevole perché ciò che oggi è inteso culturalmente come un testo non

33

è detto sia stato interpretato nella stessa maniera in passato. L’autrice inoltre riconosce

un ruolo rilevante al radicale intreccio che si instaura tra testi e pratiche

Non solo nel senso che i testi, al di là di qualsiasi consapevolezza,

condizionano fortemente le pratiche (offrendo schemi, modelli stereotipie)

ma anche nel senso che le pratiche, nel momento in cui assumono una

valenza sociale (dunque una condivisione, una regolarità, una persistenza),

creano testi: messaggi (seppur esclusivamente funzionali), autodescrizioni,

regolamentazioni, spazi, discussioni, registrazioni (ivi, pp. 20-21).

Tutte queste tracce documentali, che nell’ottica della mia tesi non possono non

comprendere i contenuti digitali prodotti dagli utenti del Web, sono gli strumenti a

disposizione del/la semiologo/a per studiare fenomeni sociali o culturali complessi e

articolati. Anche Cosenza (2014) propone una definizione di testo abbastanza ampia e

capace di comprendere le recenti forme testuali in rete. Per l’autrice è testo

qualsiasi porzione di realtà:

(1) che sia dotata di significato per qualcuno;

(2) di cui si possano definire chiaramente i limiti, per cui si riesce a

distinguere il testo da ciò che ne sta fuori;

(3) che si possa scomporre in unità discrete, secondo più livelli gerarchici di

analisi, dal più concreto e superficiale al più astratto e profondo;

(4) e secondo criteri oggettivi (cfr. Lotman 1980; Fabbri e Marrone, a cura di,

2000, pp. 8-9) (Cosenza 2014, p. 7).

In questo senso, per la semiotica i testi non sono solo quegli oggetti significativi che

culturalmente sono concepiti come tali, come ad esempio i testi verbali, visivi e

audiovisivi, ma lo sono anche i testi multimediali che troviamo on line e le pratiche

sociali o le interazioni tra individui che possiamo osservare lungo una strada, come in

qualunque spazio pubblico o privato.

Tuttavia, alcune peculiarità dei testi digitali, come l’interattività e la mancanza di

confini netti che li caratterizzano, vanno oltre le definizioni di testo appena presentate

e richiedono di affiancare alcune considerazioni che richiamano, per dirla nei termini

di Lampignano 2014, più le enunciazioni in atto che gli enunciati compiuti:

34

il testo digitale analizzato si colloca sulla linea di confine tra l’Enunciazione

in atto e l’Enunciato (insieme di Enunciati). [Esso] appare chiuso quando lo

leggiamo, salvo constatare che, dopo un refresh della pagina web, è stato

modificato in più parti, se non definitivamente scomparso” (Lampignano

2014, p. 18).

Durante l’analisi, il/la semiologo/a può tentare di conferire ai testi digitali le

caratteristiche di chiusura, coerenza e coesione di cui spesso sono mancanti grazie a

un lavoro di cristallizzazione dei testi, cioè un procedimento di memorizzazione di

alcune parti del fenomeno che studia. In questo senso, le tre peculiarità tipiche del

concetto di testo non sembrano proprietà del testo in sé, ma del metodo applicato per

costruire il corpus da indagare e per memorizzare e rielaborare il fenomeno in rete che

si sta studiando (ivi). Il lavoro di costruzione del corpus implica infatti recuperare e

salvare i testi digitali che si ritengono interessanti per come essi si presentano in un

certo momento, creando così confini temporali e spaziali che restituiscono il carattere

di chiusura al testo.

Queste riflessioni conducono alla seconda difficoltà che l’analista di questo tipo

di testi deve affrontare, cioè la necessità di memorizzare e creare una copia locale del

corpus. Il Web è un ambiente volatile, in cui ciò che ora è disponibile potrebbe non

esserlo più tra un giorno o anche solo tra un minuto. Per evitare di perdere

completamente o parzialmente il proprio oggetto di analisi, il/la semiologo/a è

costretto a memorizzare parti del continuum del fenomeno che studia, spesso usando

strumenti informatici. Questa operazione di salvataggio dei dati implica però una

prima fase di filtraggio degli aspetti che compongono il fenomeno che si vuole

indagare: la memoria, indipendentemente dal fatto che sia digitale o umana, è limitata

e non può fare proprio un fenomeno nella sua totalità. Le parti selezionate e salvate

non possono che rispecchiare gli interessi dell’analista che, osservando una data

situazione, la filtra e ne congela solo le componenti più rilevanti dal suo punto di vista.

Tutto ciò che non rientra tra gli elementi memorizzati o memorizzabili è perso per

sempre, determinando “un’incompossibilità tra continuum e fenomeno isolato e

registrato” (Lampignano 2014, p. 20). Vedremo in seguito che le operazioni di recupero

e memorizzazione dei testi digitali richiedono l’uso di strumenti e tecniche

informatiche che spesso esulano dalle competenze del/la semiologo/a. Raccogliere

35

corpora di post pubblici su Facebook o di recensioni su TripAdvisor è possibile solo

usando motori di ricerca dedicati, che funzionano ognuno in un modo diverso, degno

di essere approfondito. Di volta in volta, ci si deve chiedere ad esempio se essi

forniscono un campione dei testi disponibili o se presentano solo i contenuti più

recenti. Solo rispondendo a domande come queste si possono comprendere la qualità

e l’attendibilità dei testi che si stanno analizzando (boyd, Crawford 2012) e, di

conseguenza, delle conclusioni che si possono trarre dal loro studio.

Allo stesso modo, recuperare tweet o immagini su Instagram accomunate da un

certo tema richiede di conoscere la funzione e la diffusione dei diversi hashtag, oltre

che conoscere le principali pratiche d’uso degli stessi. Anche la creazione di copie locali

del corpus può avvenire sia per mezzo di strumenti appositamente sviluppati, sia

attraverso semplici tecniche informatiche come la funzione copia-incolla del computer

o la pratica dello screenshot. Indipendentemente dalla tecnica adottata, l’obiettivo è

creare corpora testuali il più possibile corrispondenti e vicini ai testi digitali originali

e persistenti nel tempo, in modo da restare nelle disponibilità dell’analista così come

erano quando sono stati prodotti, indipendentemente da ciò che in seguito è avvenuto

e avverrà online.

La terza sfida che deve fronteggiare il/la semiologo/a è legata al fatto che

studiare ciò che succede e si trova sul Web porta ad avere a che fare con grandi numeri

di dati e testi in formato elettronico. A un primo impatto, studiare alcune porzioni dei

big data può spiazzare il/la semiologo/a, abituato/a a individuare i diversi livelli

gerarchici di significato di un singolo testo o di corpora testuali di piccole dimensioni.

I big data disponibili sul Web sono per la semiotica un oggetto alieno sia per la loro

dimensione, sia per le caratteristiche delle singole forme testuali che li compongono;

ciò nonostante, lo studio di corpora estratti dal Web è interessante a più livelli per la

disciplina semiotica: “dall’investimento di criteri di investigazione non casuali,

all’analisi del testo sincretico restituito dalla rete, alla messa in discussione testuale di

evidenze puramente nominali” (Ceriani 2016, p. 43). Seppure ancora agli albori,

l’interesse della semiotica verso grandi corpora testuali è già testimoniato da diversi

lavori (cfr. ad esempio Aiello 2013; D’Amico 2013; Lampignano 2014; Marino e

Terracciano 2015, Novitasari et al. 2016), che da un lato dimostrano la pertinenza della

semiotica sui testi digitali e sulle pratiche di produzione e condivisione che li

36

caratterizzano, dall’altro suggeriscono che l’apporto della disciplina in questo campo

è in stato embrionale e molto può essere ancora fatto.

D’altra parte, la semiotica non può ignorare le grandi quantità di dati che il Web

contemporaneo mette a disposizione. Secondo il semiologo canadese Bouissac

Research must move from a situation in which, in centuries past, the

quantity of data was manageable within the scope of human working

memory to an age of data availability that transcends the capacity of the

relatively simple algorithms of the nineteenth-century methods of scientific

discovery. When data reach the level of terabytes and keep increasing in

quantity and quality, new ways of progressing on the path of human

knowledge are needed11.

Bouissac considera i dati immagazzinati in rete come “parte di noi”, tanto quanto

quelli presenti nei libri e nelle memorie individuali. La semiotica tuttavia, per poterne

fare un oggetto di studio, dovrà fare un balzo “from a data-poor and speculation-rich

endeavor to a full engagement with its new epistemological environment” (ibidem) e

ciò comporterà ripensare, almeno in parte, alcuni metodi e concetti sviluppati dalla

disciplina.

Va ricordato, inoltre, che la grande disponibilità di contenuti digitali permette

al/la semiologo/a di costruire corpora il più possibile ampi e rappresentativi della

situazione indagata. Studiare ad esempio come gli utenti usano gli hashtag per

arricchire di significato le proprie immagini porta ad analizzare una quantità

sterminata di materiale potenzialmente utile, obbligando lo/la studioso/a a fare scelte

ben precise per la costruzione del corpus. Non si potranno ad esempio mai analizzare

tutti i post su Facebook che parlano di un certo tema o tutte le immagini su Pinterest

che rappresentano uno stesso soggetto, ma si può tentare di creare confini – temporali,

spaziali o di altro genere – nel mare di testi a disposizione, ottenendo corpora

comunque ampi ma in qualche modo maneggiabili.

Arriviamo qui a un punto fondamentale per il mio lavoro: è vero che il semiologo

deve comunque creare e analizzare corpora testuali ben definiti, stabilendo confini

11 Post pubblicato nel 2012 su Semiotix, blog internazionale di semiotica, e consultato il 12 settembre 2018: https://semioticon.com/semiotix/2010/03/editorial/.

37

precisi e rigorosi tra i testi disponibili, ma deve anche tentare, dal mio punto di vista,

lo studio di corpora di dimensioni non troppo ridotte, soprattutto oggi che “al testo

singolare della tradizione semiotica si oppone il concetto della quantità smisurata dei

Big Data” (Ferraro 2016, p. 12). Sembra dello stesso avviso Traini (2018, p. 5), che

inserisce “la modesta propensione a fare analisi comparative su corpora ampi” tra le

attuali criticità della disciplina 12 . D’altro canto, rinunciare a studiare corpora di

migliaia di contenuti social o pagine web solo perché troppo vasti significa rinunciare

a individuare tendenze e ricorrenze anche rilevanti che farebbero chiarezza su interi

universi di significato. La contraddizione che emerge è la seguente: da un lato il Web

coinvolge un numero sterminato di utenti e rende disponibili le tracce del loro agire –

e del loro comunicare – sotto forma di milioni e milioni di testi ogni giorno; dall’altro

il/la semiologo/a tende a osservare ciò che succede sul Web, o ciò che esso in qualche

modo descrive, basandosi su microcorpora testuali, che possono rendere conto solo di

aspetti locali della situazione. Vedremo in seguito come il mio lavoro sia un tentativo

di rispondere a questa parziale mancanza, mettendo alla prova alcuni strumenti

metodologici della semiotica per studiare ampi corpora di testi digitali, nel mio caso

relativi a una strada di Amsterdam, che sarà oggetto di un approfondimento analitico

(Cap. 4).

Insomma, per la semiotica studiare questi testi è un compito complesso ma

possibile, soprattutto se la disciplina si apre a un dialogo produttivo con l’informatica.

Con questo non intendo affatto che gli strumenti informatici possano in qualche modo

sostituire l’analisi semiotica dei testi, ma che il lavoro di ricerca del semiologo può

trarre diversi vantaggi dal loro impiego, soprattutto nella fase di costruzione ragionata

del corpus e in quella di organizzazione dei testi per un loro successivo recupero. In

linea con il pensiero di Manovich, se ad esempio dovessimo studiare migliaia di video

su YouTube, potremmo usare i computer per esplorare l’enorme dataset e selezionare

alcuni testi particolarmente significativi che saranno poi analizzati manualmente e in

modo più approfondito (Manovich 2012). In questo senso i software diventano

strumenti preziosi anche per l’umanista, che li può usare sia per creare il proprio

12 Secondo l’autore i limiti della disciplina riguardano la sua debole scientificità, il livello di arbitrarietà delle sue analisi e, appunto, la tendenza a evitare corpora di grandi dimensioni (Traini 2018).

38

corpus, sia per identificare nei testi macro-tendenze che altrimenti non sarebbero

notate. Fare un tentativo in questo senso è consigliabile per la semiotica soprattutto in

questo momento storico, in cui l’interesse verso i cosiddetti big data comincia a

diventare significativo, e urgente, anche per le scienze umane e sociali che, ad esempio

in ambito sociologico, si stanno già da alcuni anni attrezzando in questa direzione (cfr.

Rogers 2013; Ruppert, Law, Savage 2013).

1.4 User-generated contents e spazi urbani

Finora ho illustrato cosa sono e quale valore potenziale hanno le forme testuali create

dagli utenti del Web e dei social media e ho affrontato a grandi linee la questione big

data, sottolineando l’importanza degli user-generated contents per le scienze umane.

Dopodiché ho ricostruito in breve il modo in cui la semiotica si è dedicata allo studio

dei testi e delle pratiche che caratterizzano il Web, evidenziando le principali difficoltà

che incontra nell’affrontare questi temi.

A questo punto mi concentrerò sui testi digitali che, grazie ad alcune tecnologie,

sono strettamente collegati ai luoghi in cui sono stati realizzati e che esprimono

interpretazioni umane degli stessi. L’ipotesi da cui parto verte sulla possibilità di

analizzare uno spazio urbano sulla base di corpora medio-grandi di contenuti digitali

che lo riguardano, in modo da rendere conto di come numeri ingenti di persone

interpretano e usano quel luogo. Prima di cominciare è tuttavia necessario fare

chiarezza su due termini che torneranno più volte nelle pagine che seguono e che non

sono equivalenti: spazio e luogo. Il concetto di spazio si riferisce a quell’elemento

generale e ineliminabile che sta in tutte le nostre esperienze quotidiane (Giannitrapani

2013) e comprende qualità sensibili visive, sonore, termiche e olfattive (Pezzini 2004).

Il termine spazio però indica qualcosa di generale che non ha niente a che vedere con

le specifiche località o aree urbane che possono essere oggetto di analisi semiotica. In

linea con la proposta di Violi, queste entità spaziali sono luoghi, cioè spazi percepiti

come un tutto organico, dotato di delimitazioni, confini, se pure non netti e

marcati, con un’identità relativamente stabile o comunque percepita come

tale, e sempre individuati da un nome che li definisce toponomasticamente

(Violi 2010, p. 35).

39

In altre parole, il termine luogo indica una parte dello spazio idealmente o

materialmente circoscritta che si evolve, cambia e si nutre di ciò che vi accade,

conservando memoria delle trasformazioni passate (Giannitrapani 2013). Una volta

individuato un luogo di interesse, definito da un nome e confini (più o meno) precisi,

sarà possibile indagarne il senso definendo le componenti semantiche che concorrono

alla sua definizione.

Usare dati digitali per studiare luoghi non è una novità, soprattutto se pensiamo

all’ampia diffusione dell’Internet of Things, che estende la rete agli oggetti e ai luoghi

concreti in cui viviamo tutti i giorni. In questo modo la nostra vita è sempre più spesso

scandagliata da sistemi di sensori che archiviano sia tracce delle nostre azioni, sia dati

relativi all’ambiente che ci circonda. Nonostante la novità e la sofisticazione

tecnologica di molti di questi sistemi, le loro capacità interpretative di situazioni

complesse sono limitate. I sensori automatici si limitano infatti a svolgere compiti

ripetitivi e relativamente semplici, come memorizzare gli accessi a un edificio o

misurare il livello di inquinamento in una zona urbana. Ciò non è certo sufficiente per

comprendere come le persone percepiscono, interpretano e vivono certi luoghi.

L’unica possibilità è fare affidamento su quello che è stato definito “one of the best

sensors available with regards to complicated contexts” (Groen, Meys 2015, p. 1):

l’essere umano.

Da questo punto di vista, piattaforme social come Facebook, Instagram, YouTube

e TripAdvisor sono enormi database di contenuti creati dagli utenti che, se studiati e

sfruttati in modo adeguato, possono dirci molto sull’ambiente che ci circonda e

soprattutto su come esso è vissuto e interpretato dalle persone. Pensiamo ad esempio

alle tantissime recensioni condivise su TripAdvisor o alle altrettante immagini

geolocalizzate e pubblicate su Instagram. Mentre i post che condividiamo su Facebook

danno informazioni sulla nostra identità e sui nostri bisogni, i testi che si trovano su

piattaforme come TripAdvisor e Instagram spesso contengono descrizioni e

interpretazioni dei luoghi di cui le persone hanno avuto esperienza e raccontano storie

che li riguardano.

Tutto ciò è possibile grazie alla diffusione dei locative media, cioè i più recenti

dispositivi digitali che integrano il sistema GPS. La particolarità di questi strumenti

consiste nel

40

basare la comunicazione su devices mobili o portatili con funzione di

geolocalizzazione, che consente loro di essere contemporaneamente in un

preciso punto del mondo (reale) e in costante dialogo col mondo intero

“racchiuso” nel web, di cui possono fruire e dal quale ricevono notevoli

quantità di informazioni sul luogo e lo spazio in cui si trovano (Finocchi

2016, p. 10).

Gli utenti dei locative media da un lato possono scoprire cose sullo spazio intorno a loro,

che vanno oltre ciò che può essere percepito con i sensi: grazie a uno smartphone e ai

servizi di Google ad esempio, possiamo sapere quali attività commerciali ci sono in

una strada che dobbiamo ancora raggiungere o che tempo farà quando dovremo

uscire. D’altro canto, le persone possono marcare e testualizzare gli spazi creando

contenuti digitali location-based che dicono molto su come i diversi luoghi sono

frequentati e interpretati dai cittadini. La funzione di geolocalizzazione è inoltre

affiancata a una connessione continua al Web che permette a questi strumenti di

stabilire il proprio posizionamento nello spazio, anche se in movimento, grazie ai dati

forniti dai numerosi satelliti artificiali orbitanti, dalle celle telefoniche e dalle reti WiFi

a cui il dispositivo mobile si aggancia durante gli spostamenti (ivi). L’accessibilità di

contenuti online attraverso device come smartphone e tablet ha cambiato la percezione

che abbiamo dello spazio e ha fatto dell’uso delle tecnologie location-based

una pratica quotidiana che rimodella il concetto di mobilità urbana e le

relazioni all’interno della città: i movimenti delle persone sono connessi ai

movimenti di dati e l’esperienza dell’utente si sviluppa all’interno di uno

spazio ibrido nel quale convergono l’immaterialità dei bits e la tangibilità

dei luoghi (Romano 2014, p. 69).

Con l’inserimento del GPS nei più diffusi dispositivi elettronici il rapporto tra user-

generated contents e spazi reali è sempre più stretto. I locative media, instaurando una

relazione con il Web a partire dalla posizione geografica, permettono la selezione di

informazioni in base al luogo in cui si trova il device localizzato (Finocchi 2016). In

questo senso, chi possiede un dispositivo dotato di GPS può creare relazioni con

l’ambiente circostante finora inedite.

41

Si può accedere a grandi quantità di informazioni presenti sul web,

aumentando così le competenze sul luogo (augmented reality); si possono

individuare altri dispositivi geolocalizzati nelle vicinanze e instaurare, ad

esempio, forme di location based mobile dating oppure, attraverso un social

network che segnala la posizione dell’utente, interagire e ricevere

informazioni in tempo reale; si possono produrre informazioni

sull’ambiente circostante che saranno disponibili per altri utenti; e così via

(ivi, p. 32).

Questi strumenti hanno quindi la capacità di sovrapporsi al mondo reale aggiungendo

informazioni multimediali e arricchendo la percezione sensoriale umana. Basti

pensare ai navigatori satellitari, ora integrati in qualsiasi smartphone grazie ad

applicazioni dedicate, che permettono di orientarsi in luoghi finora sconosciuti. I

device di questo tipo sono “radicalmente inseriti nel luogo e nel contesto, tanto da non

aver più senso nel momento in cui, per qualsiasi ragione, ne venissero separati”

(Ferraro 2014, p. 58). Il navigatore dello smartphone ad esempio come prima cosa

rileva la posizione dell’utente che usa il dispositivo e, in base a essa, propone percorsi

grazie al sistema GPS, alle celle telefoniche e alle reti WiFi o WLAN a cui si aggancia

il dispositivo.

La semplicità di uso dei dispositivi mobili e geolocalizzati ha inoltre trasformato

la localizzazione in una dimensione nuova e rilevante delle nostre esperienze mediali

(Finocchi 2018), portando alla produzione e alla diffusione di enormi database di testi

digitali dotati di informazioni sul luogo in cui sono stati prodotti. Queste informazioni

da una parte riconfigurano il modo in cui percepiamo e interagiamo con i luoghi (Frith

2015) (basti pensare alla tendenza a raggiungere le proprie destinazioni affidandosi

esclusivamente al navigatore), dall’altra possono essere utili a ricercatori e

professionisti per studiare le caratteristiche degli spazi urbani, tenendo conto delle

interazioni sociali che vi si realizzano.

Gli spazi cittadini, tuttavia, non sono analizzati solamente per mezzo dei testi

geolocalizzati e diffusi sul Web dagli abitanti. Sempre più di frequente, infatti, si

raccolgono dati relativi agli spazi urbani attraverso gli ormai diffusi strumenti di

crowdsourcing (Doan et al. 2011) e le pratiche di mappatura partecipativa del territorio,

42

come ad esempio gli eventi per la raccolta di informazioni sulla città grazie alla

collaborazione dei cittadini (Groen, Meys 2015).

Tutti questi testi digitali che in qualche modo descrivono la città sono però spesso

analizzati da un punto di vista prevalentemente quantitativo. Proprio per questo una

delle sfide di ricerca più rilevanti e attuali in questo campo sta proprio nello studiarli

in modo più approfondito con metodologie qualitative che siano capaci di trattare

grossi corpora di dati. L’applicazione efficace ed efficiente a vasti database testuali di

nuove metodologie di analisi qualitativa provenienti dalla disciplina semiotica può

avere ricadute interessanti – credo – sia per molti studi dedicati all’esperienza urbana

sia, come vedremo, per alcune ricerche informatiche sul Web semantico.

Da un lato, la lunga tradizione semiotica nell’analisi dei testi le permette infatti

di essere una candidata valida per aumentare l’intellegibilità dei contenuti digitali e

definire – almeno parzialmente – il senso di un luogo, in base a come esso è

rappresentato, interpretato e usato da gruppi numerosi di persone. Dall’altro però, la

disciplina deve in parte rivalutare e ricalibrare la propria metodologia, in modo da

riuscire a studiare corpora testuali molto vasti e difficilmente gestibili manualmente.

In sede di analisi inoltre il/la semiologo/a deve tenere conto di due importanti

elementi che caratterizzano questi testi digitali, cioè:

(1) le logiche socio-tecniche delle piattaforme web che forniscono i dati, capaci di

influenzare il significato dei testi che vi si inseriscono: ciascun social media ha

caratteristiche tecniche differenti che inevitabilmente influenzano la forma,

l’organizzazione e in parte anche i contenuti dei testi che le persone vi

condividono e può essere usato dagli utenti in modi, in contesti e per motivi

diversi;

(2) i metodi partecipativi che si scelgono per la raccolta dei dati, ad esempio le

logiche che stanno dietro agli strumenti informatici che si usano per raccoglierli

(quali tipi di dati permettono di registrare? Quali competenze richiedono

all’utente?) e le istruzioni impartite alle persone (cosa è stato chiesto di

osservare e di ignorare? Sono state date istruzioni restrittive o si è lasciato un

margine di creatività all’utente?).

43

Le piattaforme web in cui le persone condividono testi che riguardano il luogo in cui

si trovano, e che quindi possono essere usate come fonti di testi utili allo studio degli

spazi urbani, sono numerose. Pinterest ad esempio è una bacheca virtuale su cui gli

utenti caricano e organizzano immagini per mezzo di tag, chiamati pin, che possono

avere come oggetto anche nomi di località specifiche. Flickr è una piattaforma per la

condivisione di immagini e video accompagnati da informazioni sulla fotocamera

usata per ottenerli, sulla data e il geotag del luogo, mentre Panoramio è stato per anni

un sito per la condivisione di fotografie geolocalizzate che sono visibili su Google

Maps. Nel 2016 quest’ultimo servizio è stato chiuso per il trasferimento e la

centralizzazione delle sue funzionalità in Google Maps, che oggi permette di caricare

immagini geolocalizzate direttamente dal proprio sito web.

In questa sede mi concentro però solo sulle due piattaforme che ho preso in

considerazione durante il mio lavoro di ricerca, e su come queste forniscano testi utili

a comprendere l’identità in rete dei luoghi che descrivono. In linea con quanto

affermato da Leone (2011a), infatti, i social network possono essere visti come un

nuovo sistema linguistico e come una matrice di possibilità espressive “attraverso cui

agenti semiosici sostanzialmente liberi enunciano i loro messaggi e, attraverso questi,

modificano la rete semantica nella quale sono inseriti” (ivi, p. 17). Di conseguenza le

caratteristiche e le funzioni offerte dai siti web non possono essere ignorate perché

sono capaci di influire sulle pratiche di produzione testuale da parte degli utenti.

Attraverso l’analisi semiotica delle due piattaforme che ho usato per la mia analisi,

spero quindi di fare chiarezza sulle loro principali caratteristiche tecniche, che sono

capaci di incidere sul significato dei testi che gli utenti vi introducono. Le due

piattaforme che approfondirò sono TripAdvisor e Insagram.

TripAdvisor è la fonte di testi della mia prima analisi, che ho realizzato durante

la Semantic Web Summer School del 2016 e concentrato su un piccolo campione di

recensioni sul Centro Universitario di Bertinoro e sull’area circostante (§ 2.2.3).

Obiettivo di questa indagine era identificare ed estrarre informazioni rilevanti che

provenissero dall’osservazione e dalla percezione umana, per favorire la descrizione

semantica automatica del luogo attraverso EXPERIENCE, un lightwight vocabulary

sviluppato da Tomi Kauppinen dell’Aalto University School of Science.

44

Instagram è invece una delle fonti di testi digitali che ho raccolto per la mia

seconda e più articolata analisi semiotica (Cap. 4). In questo caso volevo comprendere

come i cittadini percepiscono e interpretano una strada della città di Amsterdam

chiamata Wibautstraat, che negli ultimi anni ha subito profonde trasformazioni e

dovuto affrontare numerosi problemi. Per questo lavoro mi sono concentrata su un

corpus di testi digitali composti da contenuti Instagram geolocalizzati nella zona e da

due grandi database di informazioni raccolte con pratiche di mappatura partecipativa

sviluppate e applicate del Citizen Data Lab dell’Amsterdam University of Applied

Sciences.

1.4.1 TripAdvisor

TripAdvisor rientra nella categoria dei siti di rating, che sono i siti usati dalle persone

per condividere recensioni o votazioni su un marchio, prodotto o servizio. In realtà la

piattaforma si presenta come un ibrido tra un social network e un metamotore di

ricerca per luoghi e attività turistiche sparse in tutto il mondo. Il suo obiettivo è infatti

mettere in contatto viaggiatori che non si conoscono, per scambiarsi informazioni sulle

strutture e le mete turistiche che hanno visitato (Terracciano 2014).

Nella sezione “Chi siamo” del sito leggiamo che l’azienda, lanciata nel 2000 da

Stephen Kaufer, si autoproclama “il sito di viaggi più grande del mondo”13, contando

oltre 570 milioni di recensioni e opinioni su siti e attività turistiche e 455 milioni di

visitatori unici al mese. La piattaforma permette agli iscritti di recensire e commentare

(nel momento in cui scrivo) 7,3 milioni di alloggi, compagnie aeree, attrazioni e

ristoranti e, allo stesso tempo, offre a chiunque le esperienze della community più utili

per decidere dove soggiornare o cosa fare in un certo luogo. Il passo essenziale che ha

determinato il successo della piattaforma è stato il fatto di essere ormai riuscita a

entrare profondamente nelle abitudini di scelta dei consumatori, diventando un filtro

13 Sezione “Chi siamo” del sito TripAdvisor: https://tripadvisor.mediaroom.com/it-about-us, consultata il 12 settembre 2018.

45

imprescindibile prima di prenotare una vacanza o trascorrere una serata al di fuori dei

propri luoghi abituali, in altre città come nella propria14.

Gli ottimi risultati ottenuti da TripAdvisor riguardano sia l’aspetto del

coinvolgimento, con centinaia di nuove recensioni ogni minuto, sia quello della

consultazione. Basti pensare che l’attrazione più consultata e recensita al mondo è stata

la Sagrada Familia a Barcellona, con quasi 30.000 recensioni nel 201715. Le recensioni

da un lato contengono narrazioni e descrizioni di esperienze vissute, dall’altro

funzionano come spunti e consigli per altri utenti interessati a un particolare albergo

o luogo pubblico.

Il pay-off “Informati meglio. Prenota meglio. Viaggia meglio” esprime la mission

del brand. TripAdvisor offre infatti servizi utili in tutte le fasi di un viaggio, andando

oltre gli obiettivi iniziali del progetto che puntava soprattutto sulla condivisione di

contenuti prodotti dagli utenti. Il sito, operante in 56 paesi, permette da sempre di

accedere ai contenuti generati dagli utenti sotto forma di recensioni, valutazioni,

fotografie e video dei luoghi visitati. In questo modo, il portale è un aiuto valido per

chiunque voglia organizzare un viaggio, scegliere le attività da fare durante un viaggio

o semplicemente scoprire ristoranti e musei sconosciuti della propria città. Ma il sito

offre anche numerose funzionalità per la ricerca e la prenotazione di alberghi, voli,

case vacanze e giri turistici, grazie a collegamenti diretti a diversi siti e portali di

viaggio affiliati.

Oltre a offrire utili servizi agli utenti, negli ultimi anni TripAdvisor sta

dimostrando di essere un elemento importante in diversi ambiti di ricerca. Troviamo

ad esempio numerosi studi sul turismo basati sui suoi contenuti (cfr. Litvin, Kaitlyn

2018; Mirzaalian, Halpenny 2018; Stockiqt et al. 2018), ricerche informatiche che

mettono a punto tecniche e strumenti per sfruttare enormi quantità di dati offerti dalla

14 “Il padre di TripAdvisor: buone review? Non solo voto” articolo di Simone Cosimi su Repubblica del 25 febbraio 2015: http://www.repubblica.it/viaggi/2015/02/25/news/il_padre_di_tripadvisor_buone_review_non_solo_voto_-117055965/, consultato il 12 settembre 2018. 15 “TripAdvisor: un anno di numeri”, articolo del 21 dicembre 2017 pubblicato dal Media Center del portale che presenta i trend 2017 sulle recensioni e le prenotazioni nel mondo e in Italia. I dati si basano su contributi dei viaggiatori condivisi su TripAdvisor tra il 12 ottobre 2016 e l’11 ottobre 2017: https://tripadvisor.mediaroom.com/press-releases?item=125706, consultato il 12 settembre 2018.

46

piattaforma (cfr. Cozza, Petrocchi et al. 2018; Gao, Hu 2018) e studi di business

management focalizzati sui comportamenti di acquisto (Fogel 2018) e la web

reputation aziendale (Filieri, Aguezaui 2015).

1.4.1.1 Il logo

Focalizzando l’attenzione sul logo, come primo elemento identificativo di

TripAdvisor, si possono fare alcune precisazioni utili a comprendere meglio l’identità

testuale del sito web. Fin dalla fondazione, TripAdvisor ha mantenuto più o meno lo

stesso logo, che rappresenta il muso di un gufo stilizzato, accompagnato dal logotipo

“tripadvisor”, e che è disponibile nelle due varianti visibili nella Figura 2.

Figura 2.

Dal punto di vista eidetico si rileva una maggioranza di linee curve. In particolare, si

nota un semicerchio che va a delineare il capo del gufo e due cerchi di dimensioni

differenti, posizionati uno all’interno dell’altro, che possono essere interpretati come

gli occhi dell’animale, ma anche come un paio di occhiali o un binocolo. La dimensione

dei cerchi li rende topologicamente predominanti, perché sono sproporzionati rispetto

alla dimensione del capo del gufo, e sembrano in questo modo posizionarsi in primo

piano, rimandando alla celebre capacità dei gufi di vedere lontano. Le uniche linee non

curve sono quelle che dal punto di vista figurativo compongono il becco e le orecchie.

Questi elementi sono infatti composti da tre triangoli della stessa dimensione che

puntano in tre direzioni diverse, come fossero frecce. La scelta di rappresentare in

questo modo le orecchie e il becco del gufo non sembra casuale e pare rimandare

all’idea di un movimento, indirizzato in direzioni diverse.

47

Dal punto di vista cromatico spicca la presenza di cinque colori differenti che

conferiscono una dimensione semi-giocosa al logo: le linee sono nere, il capo del gufo

è giallo, mentre i piccoli cerchi che rappresentano le pupille dei due grandi occhi sono

uno rosso e uno verde. La scelta di usare il rosso e il verde per i due occhi del gufo

stilizzato e il giallo per il capo rimanda ai colori tipici del linguaggio semaforico e

quindi alla possibilità del viaggiatore di andare o meno in un determinato luogo,

decisione che l’utente può prendere consultando le recensioni altrui. Non a caso infatti

il verde dell’occhio destro crea una rima cromatica con la parola “advisor”, che in

inglese significa “consigliere” o “consulente” e che riassume il ruolo dell’intera

piattaforma. La scelta del colore verde per questo termine (che rimanda al verde del

semaforo) sembra infatti confermare l’identità di TripAdvisor come un soggetto che

lavora per dare suggerimenti ai viaggiatori, per aiutarli a decidere se andare o meno

in un luogo.

Figurativamente il logo raffigura un gufo che, nonostante la sua fama di “uccello

del malaugurio”, nella nostra cultura, come in molte altre, è anche simbolo di

saggezza. L’autore seicentesco Conradus Goddaeus è stato uno dei primi ad affiancare

la figura del gufo al concetto di saggezza attraverso un encomio scritto in latino in

onore dell’animale (Violante 2012). Il gufo è spesso considerato come l’animale saggio

per antonomasia anche nella tradizione fiabesca e nella narrativa contemporanea. In

questi casi, il gufo non è un animale che porta sfortuna, ma un essere saggio e pignolo

che ricopre il ruolo di consigliere erudito. Pensiamo ad esempio ad Anacleto, il gufo

compagno di Merlino a cui viene affidata l’educazione del futuro re nel film di

animazione della Disney “La spada nella roccia”, oppure a Uffa, uno dei personaggi

principali nei racconti di Winnie the Pooh, che si presenta come un gufo buono e

sempre pronto a dispensare consigli a chiunque lo interpelli16.

Oltre a simboleggiare la saggezza nella cultura di massa, il gufo è celebre anche

per le sue ottime capacità visive che gli permettono di orientarsi e cacciare. La scelta

di TripAdvisor di raffigurare il gufo con enormi occhi, o come se indossasse occhiali o

usasse un binocolo, sembra rimandare proprio a questa straordinaria facoltà

16 “Il mondo di Edwige. I gufi nel mondo della fantasy”, articolo della testata online Fantasy Magazine: http://www.fantasymagazine.it/7609/il-mondo-di-edwige, consultato il 12 settembre 2018.

48

dell’animale, dotato di una visione binoculare come quella umana che gli garantisce

una precisione predatoria elevatissima, anche in piena notte. Il gufo è infatti uno dei

più comuni animali capaci di vedere chiaramente nell’oscurità e questa straordinaria

facoltà vuole riferirsi alla capacità di TripAdvisor di offrire informazioni utili per

conoscere e vedere dettagliatamente mete e attrazioni turistiche finora sconosciute.

Con il logo, insomma, l’azienda si pone come un saggio consigliere che detiene

un’ampia conoscenza riguardo a mete più o meno turistiche distribuite in tutto il

mondo. In altre parole, il gufo, come TripAdvisor, è un soggetto dotato di grande

saggezza e conoscenza ottenute grazie ai milioni di contenuti frutto dell’esperienza dei

viaggiatori e caricati sul sito web.

1.4.1.2 Il sito

Il sito di TripAdvisor Italia prevede diversi tipi di contenuti e presenta una struttura

complessa rilevabile fin dalla sua home page. La prima pagina si apre con un grande

banner in cui troviamo il logo e il nome della piattaforma, seguito dal lungo menù che

si sviluppa in orizzontale. Grazie al menù di navigazione è possibile accedere alle varie

sezioni del sito che sono: “hotel”, “case vacanza”, “voli”, “ristoranti”, “cose da fare”,

“forum viaggi”, “compagnie aeree”, “il meglio del 2018”, “idee per il viaggio” e

“centro assistenza”. Selezionando ciascuna delle voci disponibili si possono ottenere

informazioni di diverso tipo e, grazie al campo di ricerca posizionato al centro della

pagina, si possono cercare hotel, case vacanza, voli, ristoranti e compagnie aree. Per

farlo è sufficiente inserire il loro nome o semplicemente il nome della località che

vorremmo visitare.

49

Figura 3.

Nella pagina di accesso, impostata di default nella sezione “hotel”, lo spazio del

paratesto domina nettamente quello dei contenuti. Con paratesto si intende l’insieme

complessivo di pulsanti, barre e comandi che definiscono il tipo, il numero e l’ordine

delle possibili azioni di sfogliamento del sito (browsing) e di conseguente fruizione

(lettura, visione, ascolto) dei suoi contenuti” (Cosenza 2004, p. 119-120). In altre parole,

il paratesto è tutto ciò che risponde alle domande “dove sono? Da dove vengo? Dove

vado?” (ibidem) e nel caso di TripAdvisor lo possiamo individuare negli strumenti di

navigazione organizzati nella fascia orizzontale in alto (menù), nei numerosi link a

pagine interne del sito relative ad attività e mete turistiche suggerite, nella lunga lista

di link in fondo alla pagina che permette di fare ricerche sulle destinazioni più richieste

e, infine, nel menù secondario in calce alla pagina che offre informazioni sul portale e

ulteriori possibilità di esplorazione del sito. Lo spazio dei contenuti, cioè il testo non

trasformato in un link associativo (ibidem), è ridotto al minimo e organizzato in tre

blocchi testuali separati dagli ampi spazi dedicati al paratesto. Nella parte alta della

pagina leggiamo “Recensioni più recenti. Prezzi più bassi” e “Risparmia fino al 30%

sugli hotel. TripAdvisor confronta i prezzi da oltre 200 siti di prenotazione per aiutarti

a trovare l’hotel ideale a un prezzo più basso”17. Dopo la lunga lista di collegamenti

intertestuali suggeriti dal sito, troviamo un breve testo che invita all’uso di

TripAdvisor per trovare l’hotel ideale:

17 Home page di TripAdvisor: https://www.tripadvisor.it/, consultata il 12 settembre 2018.

50

Hotel nelle destinazioni più richieste.

Cerchi hotel da prenotare? Sei nel posto giusto. Con milioni di recensioni di

viaggiatori da tutto il mondo, ti aiutiamo a trovare l'hotel, la pensione o il

Bed & Breakfast perfetto per te. Controlliamo oltre 200 siti per trovare gli

hotel ai prezzi più bassi appena aggiornati. Trovi tutto qui, su TripAdvisor

(ivi).

In fondo alla pagina c’è infine un testo che presenta TripAdvisor e la sua mission in

poche righe:

Il sito di viaggi più grande del mondo. Informati meglio. Prenota meglio.

Viaggia meglio.

In TripAdvisor, crediamo che viaggiare sia importante e per questo ti

aiutiamo a vivere ogni viaggio al massimo. Con oltre 500 milioni di

recensioni scritte dai viaggiatori, possiamo aiutarti a scegliere gli hotel, i

ristoranti e le attrazioni ideali per te. Sul sito trovi inoltre biglietti aerei

economici, guide di viaggio gratuite, annunci di case vacanza in tutto il

mondo, forum frequentatissimi con consigli su ogni destinazione e tanto

altro. Ti aiutiamo anche a risparmiare fino al 30% sugli hotel perché

cerchiamo i prezzi più bassi del momento su oltre 200 siti. E in viaggio, non

puoi fare a meno della nostra app gratuita (ivi).

Lo spazio relativamente scarso destinato al puro contenuto sembra dimostrare la

volontà di TripAdvisor di farsi da parte, ponendosi come un portale parzialmente

trasparente che focalizza l’attenzione verso gli user-generated contents che ospita.

Questa tendenza è confermata anche dal contenuto dei brevi testi presenti sulla home

che vedono TripAdvisor come un aiutante del soggetto viaggiatore, nel senso dato al

termine dalla semiotica narrativa greimasiana. Applicando lo Schema Narrativo

Canonico, il soggetto (l’utente aspirante viaggioatore o viaggiatrice), probabilmente

già modalizzato secondo il volere e il dover fare una visita presso una località o un

ristorante, consulterà TripAdvisor per entrare in possesso delle modalità attualizzanti,

cioè il sapere e il poter fare. Il portale modalizza il soggetto secondo il sapere mettendo a

disposizione le opinioni degli altri utenti che illustrano gli aspetti positivi e negativi di

ciascuna struttura, mentre lo modalizza secondo il potere mettendolo in contatto diretto

con alcuni siti di viaggio affiliati che possono portare a termine alcuni dei programmi

51

narrativi dell’utente, come “scegliere un tour avventuroso” o “prenotare una camera

d’albergo economica”.

È inoltre necessario sottolineare che la lettura dei prodotti mediali della comunità

non serve “solo alla formazione della conoscenza di un luogo, ma anche del “sentire”,

cioè dell’estesia, che dal punto di vista corporeo serve a orientare un corpo nello spazio

e a consentirgli di elaborare senso intriso di investimenti timici, euforici e disforici”

(Terracciano 2014, p. 81). Solitamente il portale interviene nella fase di pianificazione

della visita, cioè quando “si stipula il contratto fiduciario con il luogo da visitare, che

si basa sul complesso di desideri e di attese nei suoi confronti e soprattutto sulle

esperienze altrui” (ivi). Ciò fa di TripAdvisor una delle principali risorse di

informazioni online (O’Connor 2010) consultata da chiunque voglia sapere in anticipo

cosa lo aspetta se decide di visitare una località, soggiornare in un hotel, cenare in un

ristorante o volare con una compagnia aerea.

Tornando al sito web, in ciascuna delle sue sezioni, sotto al campo di ricerca,

troviamo un’ampio ventaglio di suggerimenti relativi al luogo cercato dall’utente. I

suggerimenti consistono in collegamenti a pagine di hotel, ristoranti o mete turistiche

proposte in relazione a diverse variabili. La prima serie di collegamenti è un riepilogo

dei luoghi visti di recente, seguita da una serie di mete e attività turistiche, mostrate

perché correlate ai luoghi visualizzati. Proseguendo, troviamo luoghi e attività relative

alla località cercata, in questo caso Bertinoro, raggruppate in modo da soddisfare

alcune delle possibili richieste dell’utente: “buoni per la cena a Bertinoro”, “siti di

interesse a Bertinoro“, “ristoranti economici a Bertinoro”, “ristoranti di fascia media a

Bertinoro”, “bed & breakfast a Bertinoro”, “ristoranti italiani a Bertinoro”, “buoni per

il pranzo a Bertinoro”, “ristoranti mediterranei a Bertinoro”, “buoni per la colazione a

Bertinoro” e “luoghi e punti di interesse a Bertinoro”. Fin dalla prima schermata,

l’utente interessato a questa località emiliano-romagnola può farsi un’idea di cosa offre

la zona e può decidere cosa fare una volta sul posto in base alle proprie esigenze.

52

Figura 4.

Figura 5.

Selezionando uno qualsiasi tra i suggerimenti, si raggiunge la pagina di quell’hotel,

ristorante o attrazione turistica che raccoglie diversi contenuti creati dagli utenti dopo

aver visitato almeno una volta il luogo in questione. L’immagine che segue (Fig. 6)

mostra ad esempio la pagina della “Chiesa di Polenta”, che figura tra i principali siti

di interesse di Bertinoro e che offre 85 recensioni e 23 immagini della chiesa, oltre a un

53

breve testo di presentazione del luogo e una serie di valutazioni espresse dagli utenti

su una scala che va da pessimo a eccellente18.

Figura 6. Pagina della Chiesa di Polenta.

Le pagine sugli hotel non differiscono molto da quelle delle mete di interesse turistico

e dei ristoranti, se non per la possibilità, in alcuni casi, di vedere i prezzi delle stanze

offerti dai principali siti di viaggio affiliati.

Già da questa panoramica, all’interno di TripAdvisor si nota la presenza di due

diversi tipi di contenuti user-generated, che possono suggerire come i luoghi sono

interpretati e usati dalle persone: i profili e le recensioni.

1.4.1.3 I contenuti

Il portale definisce il profilo come la pagina di un luogo o di una struttura che include

la classifica di popolarità, i punteggi, le recensioni e le foto di viaggio relative alla

località in questione19. I luoghi, gli alloggi e i ristoranti che non sono presenti nel

database possono essere aggiunti gratuitamente su richiesta degli utenti. I gestori delle

18 I dati sono aggiornati al 12 settembre 2018. 19 Sezione “Che cos’è un profilo” nel centro assistenza di TripAdvisor: https://www.tripadvisorsupport.com/hc/it/articles/200614737-Che-cos-%C3%A8-un-profilo-, consultata il 12 settembre 2018.

54

strutture invece possono rivendicare le pagine delle attività che possiedono per usarle

come strumento di promozione e marketing. Prendendo possesso del profilo di una

struttura è infatti possibile aggiornare le descrizioni, aggiungere alcune foto, mettere

in evidenza i servizi offerti, rispondere alle recensioni e monitorare sia il rapporto con

i viaggiatori su TripAdvisor, grazie alle loro opinioni, sia la propria posizione rispetto

alla concorrenza20.

Le recensioni invece sono “un resoconto scritto di un'esperienza di viaggio,

inviato al portale e condiviso con gli altri viaggiatori” 21 . Su TripAdvisor si può

recensire di tutto: non solo alberghi, ristoranti e compagnie aree, ma monumenti,

piazze, parchi, musei, laghi, malghe e molto altro.

La pubblicazione dei contenuti creati dagli utenti non è immediata e dipende

dall’approvazione della piattaforma, che si ottiene solo se i contenuti rispettano il

regolamento di TripAdvisor. Gli utenti infatti, quando decidono di recensire un

profilo, devono rispettare alcune regole che ovviamente influenzano la produzione

testuale. Innanzitutto, il regolamento di TripAdvisor 22 suggerisce di scrivere

recensioni:

(1) Adatte a tutti, e cioè prive di termini offensivi o volgari.

(2) Utili per i viaggiatori, quindi in grado di chiarire il tipo di esperienza che

caratterizza la struttura.

(3) Senza pregiudizi: non sono permesse ad esempio recensioni da parte di persone

affiliate ad attività ricettive concorrenti.

(4) Utili e personali, cioè frutto della propria esperienza personale e non quella di

altre persone.

(5) Recenti, cioè possibilmente scritte entro un anno dall’esperienza nella struttura.

20 Pagina di TripAdvisor dedicata ai proprietari delle strutture: https://www.tripadvisor.it/Owners, consultata il 12 settembre 2018. 21 Sezione “Che cos’è una recensione di TripAdvisor”: https://www.tripadvisorsupport.com/hc/it/articles/200614867-Che-cos-%C3%A8-una-recensione, consultata il 12 settembre 2018. 22 “Regolamento per la pubblicazione delle recensioni dei viaggiatori” di TripAdvisor: https://www.tripadvisorsupport.com/hc/it/articles/200614797-Regolamento-per-la-pubblicazione-delle-recensioni-dei-viaggiatori, consultato il 12 settembre 2018.

55

(6) Originali, ovvero non pubblicate su altri siti.

(7) Senza fini commerciali, che significa senza contenuti commerciali o

promozionali.

(8) Rispettose della privacy, cioè prive di dati personali dell’utente o delle altre

persone che hanno condiviso con lui/lei l’esperienza.

(9) Relative a strutture presenti su TripAdvisor, cioè associate esattamente al

profilo della struttura che descrivono.

(10) Semplici da leggere, ovvero scritte in modo corretto rispettando un limite di

caratteri.

Dopo aver intervistato la community di viaggiatori per ottenere consigli e

suggerimenti su come rendere più efficace ogni recensione condivisa, TripAdvisor ha

inoltre pubblicato una lista di ulteriori dieci consigli che riguardano sia la forma delle

recensioni, sia il loro contenuto23. Il portale invita gli utenti a:

(1) Valutare e riassumere l’esperienza, scrivendo un breve titolo che catturi

l’attenzione dei lettori e raccontando in sintesi l’esperienza o evidenziandone

un dettaglio.

(2) Rispondere alle domande: “chi era con te?”, “cosa hai fatto?”, “quando ti sei

recato in quel luogo?” e “perché consiglieresti ad altri utenti di andarci o

meno?”.

(3) Evidenziare le informazioni importanti: ad esempio, il luogo si trova in centro

o in prossimità di siti di interesse? Com’è l’atmosfera? In quali condizioni si

trova la struttura?

(4) Aggiungere un consiglio utile, scrivendo cosa devono sapere gli altri per

assicurarsi un’esperienza migliore, ad esempio l’esistenza di una camera o un

piatto in particolare.

(5) Fornire dettagli, cioè le ragioni per cui il luogo o la struttura è piaciuto o meno,

illustrandone i pro e i contro.

(6) Condividere recensioni scritte bene, con ortografia e punteggiatura corrette,

evitando il più possibile le abbreviazioni.

23 “Guida di TripAdvisor alla pubblicazioni di recensioni utili”: https://www.tripadvisor.it/TripNews-a_ctr.reviewerguideIT, consultata il 12 settembre 2018.

56

(7) Condividere fotografie che aiutino i viaggiatori a comprendere l’esperienza.

(8) Fare attenzione al tono: l’utente, anche se arrabbiato o insoddisfatto, è invitato

a non trasformare la propria recensione in una invettiva.

(9) Pubblicare le recensioni il prima possibile.

(10) Evitare di trasformare le recensioni in liste di lamentele, elencando ogni minima

imperfezione, ma prediligere gli aspetti pratici e i dettagli utili.

Tutte queste indicazioni per la stesura delle recensioni non possono non influire sul

tipo di contenuti pubblicati, che perciò risultano omogenei nella forma e, almeno in

parte, simili nel contenuto. A differenza da quel che avviene in social come Facebook,

qui i contenuti sono controllati e filtrati e ciò rappresenta un limite alla libertà di

espressione degli utenti, necessario per evitare un uso scorretto e incontrollato della

piattaforma. Abbiamo visto ad esempio che TripAdvisor suggerisce di fare attenzione

al tono che si usa, modulando il proprio coinvolgimento patemico nella narrazione

dell’esperienza, e spinge gli utenti a non concentrarsi esclusivamente sugli aspetti

negativi.

L’utente che intende scrivere una recensione deve inoltre compilare un web form

intuitivo che richiede alcune informazioni scelte dalla piattaforma e marcate in alcuni

casi come necessarie e in altri come facoltative. Prima di tutto, è richiesto di dare un

punteggio complessivo all’attrazione su una scala da uno a cinque. Dopodiché si deve

dare un titolo alla recensione e scrivere un testo libero in cui si racconta la propria

esperienza. La recensione infine deve essere arricchita da informazioni sul tipo di

visita (in coppia, famiglia con bambini, famiglia con figli adolescenti, amici, affari, da

solo) e sulla data in cui si è svolta, permettendo in questo modo una prima

categorizzazione automatica delle recensioni. Le informazioni facoltative sono invece

domande sul luogo o la struttura alle quali si può rispondere “sì”, “no” o “non so”. Le

risposte servono alla piattaforma per affiancare un numero sempre maggiore di

informazioni ai propri profili, informazioni che vanno dal tempo medio consigliato

per visitare un luogo, all’eventuale dress code richiesto per frequentare un ristorante.

Nel loro complesso le recensioni su TripAdvisor formano un enorme database di

opinioni, descrizioni e interpretazioni umane di tantissimi luoghi e strutture. Va da sé

che questo strumento è prezioso sia per i viaggiatori che cercano informazioni, sia per

i gestori delle strutture ricettive che possono attrarre più o meno clientela anche

57

attraverso TripAdvisor. La piattaforma è un vero e proprio strumento di promozione

turistica e per questo ha suscitato subito polemiche sull’attendibilità dei suoi contenuti

capaci, in alcuni casi, di mettere a rischio la reputazione e l’immagine di località e

strutture. TripAdvisor infatti è stato più volte criticato per la presenza di post

fraudolenti, cioè recensioni pilotate dalle stesse strutture che si vogliono

autopromuovere o scritte per screditare alberghi e ristoranti concorrenti (Terracciano

2014). La credibilità delle recensioni, e quindi dell’intero sistema TripAdvisor, è stata

messa in dubbio più volte e i casi più eclatanti di falsificazione delle recensioni hanno

avuto una risonanza mediatica ampia. Su TripAdvisor troviamo ad esempio auto-

recensioni, critiche false e commenti sleali che danneggiano tutti gli attori in gioco. A

ciò si aggiungono le agenzie che vendono pacchetti di recensioni e valutazioni, sia

positive, per scalare le classifiche, sia negative, per screditare la concorrenza. Sono

state poi segnalate alcune stranezze come recensioni negative che non vengono mai

pubblicate dal portale e recensioni positive che compaiono senza essere state mai state

scritte dal’utente 24. Questo scenario ha portato diversi proprietari e gestori di strutture

ricettive a perdere fiducia in TripAdvisor, che a volte si dimostra un’arma a doppio

taglio, capace di creare più problemi che vantaggi.

Una storia esemplare a riguardo è quella di un ristorante inesistente di Londra

che, grazie a recensioni false, ha raggiunto la vetta della classifica del portale in sei

mesi25. Oobah Butler ha deciso di creare il profilo di un ristorante che non esiste per

24 Le testate che hanno affrontato il problema dell’attendibilità di TripAdvisor sono numerose, ad esempio “TripAdvisor troppe trappole?” di Stefania Chiale, Corriere della Sera, 29 giugno 2017, disponibile al link: http://www.corriere.it/sette/17_giugno_29/tripadvisor-troppe-trappole-recensioni-false-a-pagamento-ristoratori-classifiche-pacchetti-7c62fd48-5c0e-11e7-9050-dbcde4ab4109.shtml; “Su TripAdvisor recensioni false, concorrenza sleale e controlli insufficienti” di Alessandro Madron, Il Fatto Quotidiano, 26 agosto 2014, disponibile al link: https://www.ilfattoquotidiano.it/2014/08/26/su-tripadvisor-recensioni-false-concorrenza-sleale-e-controlli-insufficienti/1099388/; “TripAdvisor restaurant reviews: how much can you trust them?” di Tony Naylor, The Guardian, 30 luglio 2013, diponibile al link: https://www.theguardian.com/lifeandstyle/wordofmouth/2013/jul/30/tripadvisor-restaurant-reviews-trust-travel. 25 Anche questa storia è stata riportata da diverse testate italiane e internazionali, ad esempio: “Per TripAdvisor è il primo ristorante di Londra, ma in realtà non esiste”, di Andrea Zuffi, DDay, quotidiano on line di hi-tech affiliato al Corriere della Sera, 25 gennaio 2018: http://www.dday.it/redazione/25563/per-tripadvisor-e-il-primo-ristorante-in-classifica-ma-in-realta-non-esiste; “TripAdvisor Gets Totally Punked When Fake Restaurant Is Ranked No. 1” di Andrew Bender, Forbes, 8 dicembre 2017:

58

poi farlo crescere di notorietà. È bastato scegliere come location il proprio giardino,

creare un sito web con foto di piatti golosi e chiedere ad amici e parenti di riempire la

pagina di recensioni positive. Dopo qualche tempo, sono arrivate le prime richieste di

prenotazioni da veri clienti e di assunzione da parte di cuochi e camerieri. Il successo

del ristorante inesistente mostra lo scollamento tra il mondo online e quello reale ed è

un evento ascrivibile al fenomeno della cosiddetta post-verità. La post-truth, scelta come

“parola dell’anno 2016”, è definita dall’Oxford Dictionary come “relating to or

denoting circumstances in which objective facts are less influential in shaping public

opinion than appeals to emotion and personal belief”26. Nell’epoca della post-verità,

le emozioni e le credenze personali diventano più importanti dai fatti oggettivi e ciò

spiega come un ristorante che non esiste sia potuto diventare uno dei locali più

richiesti di Londra attraverso una piattaforma online (Lorusso 2018).

Nonostante questo possibile gioco tra verità e finzione, la credibilità complessiva

di TripAdvisor non è stata compromessa e le persone continuano a consultarlo e a

considerarlo un punto di riferimento imprescindibile per viaggiare in modo

consapevole (Terracciano 2014): gli utenti infatti non sono completamente sprovvisti

di difese nei confronti delle false recensioni ed esistono alcuni trucchi utili per non

cadere nella trappola delle recensioni false. Innanzitutto, l’elevato numero di opinioni

disponibili in ciascun profilo permette di considerare quelli controcorrente come una

minoranza meno rilevante, forse falsa. In questo caso l’aspetto quantitativo fa la

differenza e permette di capire quando le informazioni hanno un riscontro in diverse

esperienze vissute e quando sono invece casi singoli o in mala fede. Avere a

disposizioni grandi numeri di opinioni diverse permette inoltre di cercare gli elementi

in comune tra di esse: solo leggendo sia recensioni positive sia negative si avrà una

visione d’insieme su un luogo, una struttura, un’attività, che mostra i suoi punti di

forza e di debolezza.

In secondo luogo, i commenti falsi possono essere individuati anche dal profilo

di chi li inserisce, che spesso presenta poche altre recensioni condivise a distanza di

https://www.forbes.com/sites/andrewbender/2017/12/08/tripadvisor-gets-totally-punked-when-fake-restaurant-is-ranked-no-1/#6c87740c2c23, consultati il 12 settembre 2018. 26 Oxford Dictionary, “post-truth”: https://en.oxforddictionaries.com/definition/post-truth, consultata il 12 settembre 2018.

59

lunghi periodi di tempo, oppure molte recensioni positive a diverse strutture

concentrate in pochi giorni. I profili falsi inoltre tendono a non usare un’immagine

reale, mantenendo quella di default che fornisce TripAdvisor, e usano nickname poco

credibili o molto generici (ad esempio Paolo N, Luca P e così via).

Per distinguere le recensioni genuine da quelle mosse da fini ingannevoli è infine

consigliabile fare attenzione al contenuto dei testi: è opportuno ad esempio diffidare

degli eccessivi tecnicismi nelle descrizioni, perché gli utenti ricordano difficilmente

informazioni troppo specifiche e le recensioni che le contengono sono spesso

autovalutazioni positive della struttura. Anche il troppo livore nel raccontare

un’esperienza può essere sospetto perché è verosimile che concorrenti scorretti tentino

di danneggiare un hotel o un ristorante con critiche e giudizi eccessivi e irrispettosi27.

Insomma, applicando alcuni accorgimenti è possibile riconoscere, almeno in

parte, il vero dal falso e usare TripAdvisor come uno strumento per conoscere

moltissimi luoghi del mondo. Del resto, consultare grandi numeri di commenti e pareri

per i gestori vuol dire ottenere feedback utili sulla propria attività professionale, capaci

di far crescere (o fallire) una struttura ricettiva, mentre per chi vuole mettersi in viaggio

significa confrontarsi con le opinioni di moltissimi altri viaggiatori e viaggiatrici, e che

possono influenzare le proprie scelte di movimento.

1.4.2 Instagram

Instagram è un’applicazione lanciata nel 2010 da Kevin Systrom e Mike Krieger, che

permette di scattare fotografie, modificarle attraverso diversi filtri e condividerle sul

profilo Instagram e/o sulle proprie pagine di altre piattaforme social. Gli utenti inoltre

possono arricchire e rendere più accattivanti le immagini aggiungendo una didascalia

e alcune parole chiave (hashtag), che le rendono fruibili con ricerche successive.

27 “TripAdvisor: riconoscere il falso in 7 semplici mosse” articolo on line del 18 settembre 2015 http://www.agrodolce.it/2015/09/18/tripadvisor-riconoscere-le-recensioni-false/, , consultato il 12 settembre 2018.

60

Oggi Instagram è tra i social network fotografici di maggior successo

raggiungendo quota 800 milioni di utenti attivi 28 e, nel 2012, l’ampia diffusione

dell’applicazione ha spinto Facebook ad acquistare la startup per quasi un miliardo di

dollari29

Negli anni l’applicazione ha subito numerose modifiche, offrendo sempre più

strumenti e possibilità agli utenti. Nel 2013 è stata aggiunta la funzione per

condividere video della durata tra i tre e i cinque secondi, mentre a fine 2016 è stata

introdotta la funzione per creare le Instagram stories, cioè video o fotografie che restano

visibili per 24 ore. Anche il formato delle immagini condivise è cambiato negli anni.

Fin dal suo lancio Instagram permetteva di pubblicare solo fotografie quadrate,

riprendendo visivamente il fenomeno vintage delle istantanee scattate e stampate con

la Polaroid negli anni Settanta e Ottanta del secolo scorso. Nel 2015 l’azienda ha

annunciato un cambio di rotta rimuovendo le restrizioni sul formato e permettendo di

postare immagini e video anche rettangolari, sia in verticale, sia in orizzontale.

Un ulteriore elemento fondamentale per la definizione di Instagram, che tra le

altre cose la rende una piattaforma interessante per il mio lavoro, è la possibilità di

aggiungere tag geospaziali alle immagini e ai video pubblicati. Instagram sfrutta il

sistema GPS integrato nei dispositivi mobili per dare la possibilità agli utenti di

geolocalizzare ogni immagine prodotta. Gli hashtag e i geotag sono metadati che

descrivono il contenuto dei post e garantiscono il loro recupero con il motore di ricerca

interno che permette di fare ricerche tra i contenuti pubblici attraverso parole chiave o

28 Dati forniti da We Are Social nel gennaio 2018: https://wearesocial-net.s3.amazonaws.com/it/wp-content/uploads/sites/4/2018/01/active_users.png, consultati il 12 settembre 2018. 29 La notizia dell’acquisto di Instagram da parte di Facebbok ha avuto una copertura mediatica molto ampia sia a livello nazionale sia internazionale. Ad esempio “Facebook acquista Instagram, accordo da un miliardo di dollari. Colpo grosso di Zuckerberg prima dell'Ipo” di Luca dello Iacovo, Il Sole 24 Ore, 9 aprile 2012, http://www.ilsole24ore.com/art/tecnologie/2012-04-09/facebook-acquista-instagram-miliardo-193539.shtml?uuid=AbUbtaLF; “10 Reasons Why Facebook Bought Instagram” di Kashmir Hill, Forbes, 11 aprile 2012, https://www.forbes.com/sites/kashmirhill/2012/04/11/ten-reasons-why-facebook-bought-instagram/; “Everyone thought Mark Zuckerberg was crazy to buy a 13-person app for $1 billion — now Instagram looks like one of the most brilliant tech acquisitions ever made” di Alexei Oreskovic, Business Insider, 30 gennaio 2016, https://www.businessinsider.com/instagram-zuckerbergs-biggest-win-so-far-2016-1?IR=T. Articoli consultati il 12 settembre 2018.

61

nomi di luoghi specifici. Se si cerca un hashtag vengono restituiti tutti i contenuti che

presentano quella parola chiave, mentre se si cerca un luogo saranno proposte le

immagini e i video che sono stati geolocalizzati in quel preciso punto dello spazio,

indipendentemente dagli hashtag utilizzati.

Instagram, a differenza di TripAdvisor, non è stato sviluppato proprio per

condividere contenuti sui luoghi, ma la possibilità di geotaggare i testi ha spinto gli

utenti a usare l’applicazione anche a questo scopo. D’altra parte, la facoltà di scattare

foto esteticamente gradevoli (spesso grazie all’uso dei filtri), di descriverle con una

didascalia e di etichettarle e renderle recuperabili con parole chiave e tag locativi, ha

fatto di Instagram un ottimo strumento per la condivisione di testi fotografici che

rappresentano l’ambiente in cui agiamo ogni giorno. Se a ciò aggiungiamo che negli

ultimi anni le decisioni di acquisto sono prese spesso consultando il Web,

comprendiamo come Instagram sia uno strumento utile anche in ambito turistico. Il

social infatti ospita sia pagine di enti e organizzazioni istituzionali impegnate nella

promozione del territorio, sia scatti di viaggio prodotti dagli utenti. Basti pensare che

l’hashtag #instatravel è il più utilizzato da chi condivide foto di viaggi e vacanze e, nel

solo mese di giugno 2017, è stato usato quasi 39,1 milioni di volte30. I testi prodotti da

questi due tipi di enunciatori presentano alcune differenze fondamentali: mentre il

settore turistico produce immagini da copertina spesso ritoccate e stereotipate, gli

utenti mostrano la parte concreta di ciò che si può fare e vedere in un luogo,

focalizzando l’attenzione su dettagli significativi dal loro punto di vista. Di

conseguenza, osservando entrambi i tipi di testi relativi a un luogo, ci si può fare

un’idea abbastanza realistica su come l’ambiente si presenta e su cosa offrirà una volta

arrivati sul posto.

Anche per questa ragione Instagram, come TripAdvisor, è stato preso più volte

in considerazione da studiosi di marketing e turismo per le sue potenzialità per la

promozione del territorio. Ne è un esempio la recente ricerca di Hidayatullah et al.

(2018), che studia le migliori strategie di Instagram marketing per gli operatori

turistici.

30 “Instagram per il turismo: così le scelte di viaggio si fanno sui social” articolo di Inside Marketing, rivista online di marketing e comunicazione: https://www.insidemarketing.it/instagram-per-il-turismo-e-scelte-di-viaggio/, consultato il 12 settembre 2018.

62

1.4.2.1 Il logo

Anche in questo caso intendo concentrarmi innanzitutto sul logo dell’applicazione,

perché può essere considerato “il nucleo fondamentale di tutti i suoi programmi di

identità visiva” (Brucculeri 2009, p. 55) e l’elemento più rappresentativo della

comunicazione di marca.

Negli anni il logo di Instagram ha subito un’opera di restyling, il che ha fatto in

modo che oggi l’applicazione sia identificata da due icone (Fig. 7).

Figura 7.

Entrambi i loghi hanno una forma quadrata con angoli smussati, il che li rende simili

alla maggior parte delle icone di applicazioni mobili come quelle di Facebook e

Twitter.

Fin dal suo lancio, l’azienda ha adottato il logo che vediamo sulla sinistra e che,

figurativamente, rappresenta una macchina fotografica vintage. Dal punto di vista

eidetico il logo è composto da un cerchio centrale, che rappresenta l’obiettivo della

macchina, e da una linea orizzontale che divide in due il quadrato, rimandando alla

parte superiore delle macchine fotografiche vintage, a volte composta di un materiale

diverso rispetto al resto dell’oggetto. Troviamo inoltre un piccolo quadrato dagli

angoli smussati nell’angolo in alto a destra, che rappresenta lo spazio destinato al flash,

e cinque linee verticali in alto a sinistra che, grazie ai diversi colori, compongono una

sorta di arcobaleno.

Le caratteristiche cromatiche del logo sono ciò che fa somigliare l’immagine a una

macchina fotografica vecchio stile: la parte inferiore del quadrato è di un colore

63

sfumato che va dal bianco ai toni del marrone, mentre la parte superiore è marrone e

presenta una testura che sembra rimandare alla radica. La scelta di usare un colore

chiaro tendente al bianco per la struttura della macchina fotografica non sembra

casuale ma rimanda chiaramente alle vecchie Polaroid (Fig. 8). Anche l’arcobaleno che

troviamo nel logo era presente nelle Polaroid del passato, pur essendo posizionato

diversamente.

Figura 8

La volontà di fare un così chiaro riferimento alla macchina fotografica che in passato

permetteva di scattare immagini e stamparle immediatamente è legata a una

caratteristica tecnica che contraddistingueva le prime versioni dell’applicazione: gli

utenti potevano condividere solo immagini quadrate, proprio come avveniva con la

Polaroid. L’immagine del logo, inoltre, rimanda figurativamente al tema della

fotografia, che è lo scopo primario dell’applicazione.

Nel 2016 l’azienda ha deciso di cambiare radicalmente il proprio logo e la propria

grafica, adottando l’icona visibile a destra nella Fig. 7. Il logo diventa più stilizzato

rispetto al precedente, ma rinvia sempre alla macchina fotografica: le linee sono chiuse,

hanno uno spessore maggiore e vanno a comporre un cerchio centrale circondato da

un quadrato dagli angoli smussati simile alla cornice del logo stesso, mentre in alto a

destra è visibile un piccolo cerchio posizionato dove, nell’icona precedente, c’era il

flash. A un primo sguardo, nella nuova versione sembra scomparso l’arcobaleno, ma

64

un video di presentazione del nuovo logo diffuso da Instagram31 mostra che lo sfondo

sfumato che va dal viola al giallo, passando per i toni del fuxia e dell’arancio, è stato

ottenuto proprio mischiando i colori dell’arcobaleno presente nel logo iniziale.

Il cambiamento di logo, insomma, è stato soprattutto una trasformazione estetica

che non è andata a modificare l’identità della piattaforma. L’azienda non ha voluto

cancellare la storia e l’anima di Instagram, ma ha preferito creare un logo più moderno

e minimale che suggerisce sempre una macchina fotografica, ma lo fa stilizzando e

semplificando la sua rappresentazione. In questo modo i destinatari della

comunicazione dell’azienda percepiscono la novità, senza però modificare la loro

percezione di Instagram e del suo ambiente virtuale.

1.4.2.2 L’applicazione

L’applicazione mobile ha una struttura abbastanza semplice e intuitiva. Qui, al

contrario di TripAdvisor, il paratesto sembra passare in secondo piano ed è ridotto alla

stringa superiore e inferiore della schermata. In alto a sinistra troviamo l’icona di una

macchina fotografica che permette di attivare la relativa funzione del dispositivo,

mentre a destra appare un aereo di carta stilizzato, che serve a mandare messaggi

diretti agli altri utenti della community. In basso invece troviamo il vero e proprio

menù di navigazione che contiene le cinque icone che qui di seguito descrivo.

(1) Una casa stilizzata, che rimanda alla sezione home, cioè alla bacheca che

ospita i contenuti degli utenti che si è scelto di seguire. In questa sezione la maggior

parte dello spazio è dedicata alle immagini condivise, proposte secondo un ordine

stabilito da un algoritmo che le seleziona in base a quanto le calcola rilevanti per ogni

utente. Ogni immagine è seguita dall’icona di un cuore, che permette di esprimere

l’apprezzamento che se ne dà, da un balloon, che attiva uno spazio composto da un

riquadro in cui si può inserire un commento, e dall’icona di un altro aereo di carta

stilizzato, che questa volta dà la possibilità di condividere il contenuto con gli utenti

con cui si è in contatto. Nella parte alta dello schermo, infine, troviamo le Instagram

31 Video di presentazione del nuovo logo disponibile sul blog di Instagram: http://blog.instagram.com/post/144198429587/160511-a-new-look, visionato il 12 settembre 2018.

65

stories, che sono fotografie e brevi video postati dai nostri contatti, visibili per sole 24

ore.

(2) Una lente di ingrandimento, che porta alla sezione “Esplora”. Qui

troviamo le foto e le storie più popolari tra quelle condivise da tutti gli utenti, anche

quelli che non seguiamo, oltre a uno strumento per fare ricerche all’interno

dell’enorme database di immagini. Si possono cercare persone, attraverso il loro

nickname, hashtag o luoghi come città, parchi e vie, in cui è stato geolocalizzato

almeno un contenuto.

(3) Un pulsante contraddistinto da un +, che serve a caricare una fotografia

o un video. Una volta entrati in questa sezione si potrà scegliere se condividere

un’immagine già memorizzata sul proprio dispositivo o se fare una nuova foto o un

nuovo video.

(4) Un piccolo cuore, che porta alla sezione che contiene i report delle attività

svolte dall’utente e da tutti coloro che segue. Qui si dà notizia di ogni nuovo utente

che ha iniziato a seguire la nostra pagina e di ogni “mi piace”, espresso con un

cuoricino appunto, che ha ottenuto un nostro post.

(5) Una figura umana stilizzata, da cui si può entrare nel proprio profilo

personale, dentro al quale sono visibili le foto condivise in ordine cronologico e gli

strumenti necessari per apportare modifiche alla propria pagina.

In sintesi, le prime due icone (la casa e la lente di ingrandimento) esprimono le

possibilità esplorative offerte dall’applicazione, il pulsante + permette di dare il

proprio contributo alla comunità di Istagrammers condividendo immagini e video,

mentre le ultime due icone (il cuore e la figura umana stilizzata) servono a presidiare

e gestire la propria presenza all’interno del social network fotografico.

1.4.2.3 I contenuti

Come abbiamo visto, su Instagram si trovano fotografie e video, in alcuni casi

memorizzati in modo stabile sulla piattaforma e recuperabili grazie al motore di

ricerca, in altri creati per essere volatili e scomparire in 24 ore.

Una funzione peculiare dell’applicazione è la possibilità di applicare filtri alle

immagini e ai video condivisi. I filtri sono effetti digitali di post-produzione che

66

modificano l’aspetto delle immagini migliorandone la messa a fuoco ed esaltandone

colori e dettagli. In questo modo l’utente piò coprire quella che è spesso percepita come

“una frustrante incapacità di restituire tramite l’apparecchio la bellezza del mondo

esperito” (Marmo 2018, p. 540). I 41 filtri oggi disponibili sono inoltre modulabili

moltiplicando le possibilità di personalizzazione del piano dell’espressione dei testi

visivi. I filtri quindi, modificando l’immagine da un punto di vista plastico e

presentazionale, sono da considerarsi come “strategie enunciazionali che valorizzano

l’istantaneità e imprimono l’autorialità” (Terracciano 2014), rendendo ogni scatto –

almeno in apparenza – unico e personale. Occorre sottolineare però che i testi visivi

prodotti sono solo parzialmente personalizzabili perché i filtri, pur essendo numerosi,

sono in numero finito e sviliscono la creatività come “fattori di omogeneizzazione per

insiemi” (Del Marco 2016, p. 61). L’utente, nella speranza di creare immagini

esteticamente apprezzabili o apparentemente professionali, in realtà ha a disposizione

un numero finito di filtri per trasformare in modo automatico le fotografie. Questi

strumenti di fotoritocco preordinati portano a “una rappresentazione regolamentata

della realtà sensibile che permea i tracciati del vivere ordinario” (Peverini 2014b, p. 8)

e crea un immaginario condiviso e un nuovo codice estetico. La grande somiglianza

tra le foto pubblicate su Instagram è stata denunciata ad esempio da un profilo

chiamato Insta_repeat32, che raccoglie immagini di viaggio molto simili, che invece gli

autori pensavano originali: vedere tutte assieme le foto che ritraggono uno stesso

luogo o soggeto rende evidente come le immagini siano tutte molto simili sia dal punto

di vista plastico, sia da quello figurativo, con buona pace della presunta originalità.

Questo però non ha ridotto l’entusiasmo degli utenti che, ormai da anni, continuano a

pubblicare immagini e fanno di Instagram uno dei social network fotografici più usati

al mondo. Anzi, sembra sia stata proprio l’enorme diffusione di effetti visivi standard

a portare a un’iperproduzione di immagini, e tutto ciò può essere ricondotto a un

processo di rappresentazione uniformata delle forme di vita contemporanea (ibidem).

Instagram, inoltre, non si limita a offrire strumenti per la modifica del livello

plastico delle immagini e ad accogliere milioni di testi visivi condivisi, ma mette a

32 Profilo Instagram Insta_repeat: https://www.instagram.com/insta_repeat/, consultato il 12 settembre 2018.

67

disposizione alcuni strumenti utili per etichettare e rendere le immagini facilmente

recuperabili: gli hashtag e i geotag.

Gli hashtag sono un tipo di tag utilizzato all’interno di diversi social network per

etichettare i contenuti in base all’argomento. Essi funzionano sia come collegamenti

ipertestuali, sia come marche di contenuto che permettono di raggruppare testi

separati nella rete, ma aggregabili in base ai contenuti (Finocchi, Paglia 2016). Inserire

un hashtag è molto semplice per chiunque, perché basta aggiungere il simbolo # prima

di una o più parole chiave, non separate dallo spazio. In questo modo il termine

diventerà selezionabile e permetterà di visualizzare tutte le immagini che contengono

quell’hashtag33. Gli elementi grafico-lessicali preceduti dal cancelletto, che in ogni

immagine possono essere più di uno, possono armonizzarsi con il testo (quando si

trasformano in hashtag alcune parole della didascalia) o andare a completarlo (quando

si conclude la didascalia con una lista di parole chiave). Gli hashtag infine hanno un

importante ruolo nella definizione del senso del testo a cui sono stati affiancati,

arrivando a volte anche a trasformarlo. Essi infatti rappresentano la cornice della

produzione di senso, grazie alla quale si possono creare illimitate categorie semantiche

distinte tra loro (Milia 2015).

Come già detto, le foto su Instagram, oltre a essere definite e rese recuperabili con

gli hashtag, possono essere geolocalizzate applicando un geotag, cioè un’etichetta che

identifica una posizione nello spazio, definita da precise coordinate spaziali.

Durante l’analisi che presenterò nel Cap. 4, vedremo come questi due strumenti

rendano i contenuti pubblicati su Instagram (immagini, didascalie e hashtag) testi utili

per l’interpretazione semiotica di un’area urbana. Il modo in cui gli utenti fotografano

un luogo e affiancano gli hashtag alle immagini, infatti, non è mai neutro, per cui

osservare come questi testi sono costruiti può dire qualcosa su come uno spazio è

interpretato dalle persone. Gli hashtag infatti vanno oltre la semplice nominazione e

spesso sembrano voler render conto dell’esperienza vissuta nel suo svolgersi.

Gli hashtag non vanno dunque intesi come innocue “didascalie”, quanto

piuttosto come istruzioni per l’uso degli spazi urbani, parole chiave che

33 “Introducing hashtag on Instagram”, articolo pubblicato sul blog di Instagram nel 2011: http://blog.instagram.com/post/8755963247/introducing-hashtags-on-instagram, consultato il 12 settembre 2018.

68

circoscrivono e sempre più spesso orientano una serie di conversazioni sul

senso dei luoghi e sulle pratiche del loro consumo, coinvolgendo una

molteplicità di soggetti distinti (Peverini 2014b, p. 7).

Se osserviamo come, negli anni, è cambiato il modo in cui le persone usano gli hashtag,

comprendiamo quanto il loro uso sia molto più della semplice operazione di

etichettatura dei contenuti. Gli hashtag possono confermare o stravolgere il senso di

un’immagine e, quando essa riguarda uno spazio urbano, ridefiniscono “quell’effetto

di senso complessivo tramite il quale una città [o una sua parte] assume uno spessore

di tipo semiotico” (ivi, p. 9). Considerando che la semiotica intende individuare la

complessità del linguaggio che sta dietro la superfice degli spazi urbani, gli hashtag

dedicati alla città vanno intesi come segni di un discorso sociale che influenza l’identità

culturale dei luoghi urbani. Secondo Peverini infatti gli hashtag

contribuiscono alla costruzione/rinegoziazione dell’effetto città ritagliando

nuovi confini intorno a un “oggetto” semioticamente già complesso,

selezionando ed esplicitando, spesso a partire proprio da azioni di vita

comune, una serie di isotopie, programmi narrativi, elementi figurativi, fino

a rinegoziare i limiti che separano la città concreta dai discorsi che ne parlano

e che essa stessa produce, come appare evidente a uno sguardo

etnosemiotico se si osserva il moltiplicarsi degli hashtag stessi nei luoghi

concreti del consumo, della cultura, della protesta (ivi, p. 10).

Grazie agli hashtag, le persone condividono il loro vissuto (usando parole chiave

generiche, come #freetime e #viaggiodilavoro o specifiche e in grado di raccontare

qualcosa di più sulla situazione, come #passeggiandoperroma e #visitingamsterdam),

mentre, per mezzo dei geotag, ancorano i testi che producono ai luoghi concreti in cui

li hanno realizzati. Ciò permette all’analisi semiotica di individuare forme di

storytelling urbano che, dal punto di vista enunciativo, si sviluppano con il contributo

di soggetti dotati di competenze diverse. Le storie sulla città che ne conseguono

rispecchiano punti di vista anche opposti e impattano sull’effetto complessivo della

città e sul significato del testo digitale a diversi livelli.

Alcuni hashtag svolgono solo una funzione di tipo referenziale: le immagini, che

possono essere geolocalizzate in un luogo, possono essere ulteriormente definite e

descritte da termini che indicano il luogo e il periodo dell’anno in cui è stata scattata

69

la fotografia. In questo modo, il luogo oggetto della localizzazione (ad esempio una

strada) può essere specificato più dettagliatamente con hashtag locativi (ad esempio il

nome di un locale pubblico o un parco presente in quella via, o quello del quartiere di

cui la strada fa parte) e temporali (ad esempio la stagione in cui è stata fotografata la

località). In altri casi, gli hashtag esprimono una sorta di adesione a un tema (ad

esempio la diffusione di slogan politici sotto forma di hashtag) e permettono la nascita

di community, cioè gruppi con cui scambiare like e commenti in base a certi interessi

e certe idee condivise. È il caso delle community che si sviluppano intorno a hashtag

come #staystrong e #dontgiveup, nelle quali gli utenti postano centinaia di immagini

come fonte di ispirazione e motivazione. Gli hashtag infine fanno spesso riferimento a

“argomenti, situazioni, pratiche, passioni, oggetti e figure fortemente radicati

nell’immaginario condiviso” (Peverini 2014b, p. 11). Ciò avviene per due ragioni: da

un lato ognuno interviene sugli argomenti più discussi in un certo momento all’interno

delle communuty di Instagram, dall’altro fa in modo che i propri contenuti siano

visualizzati con più probabilità da un alto numero di utenti.

Un’analisi degli hashtag dal punto di vista del loro contributo alla definizione del

significato di un’immagine digitale richiede di tener conto di un punto fondamentale.

Spesso gli hashtag non sono scelti in modo completamente spontaneo, con il solo fine

di descrivere il contenuto dell’immagine prodotta in modo semanticamente preciso,

perché sono selezionati in base alla loro capacità di generare engagement e alimentare

conversazioni con più utenti possibile. Di conseguenza, in rete troviamo diverse

classifiche degli hashtag più diffusi su Instagram e quindi più utili per ottenere

visibilità ed emergere tra la moltitudine di testi visivi condivisi continuamente 34 .

Grazie agli hashtag e ai geotag, gli utenti possono visualizzare e interagire con i

contenuti altrui, mettendo like e commentando. Ciò rende i post visibili a un numero

ancora maggiore di utenti che, a loro volta, possono esprimere il proprio gradimento

e scrivere commenti. In questo senso, gli hashtag e i geotag sono pratiche di

replicabilità che portano alla viralità dei contenuti all’interno del social network. Nel

momento in cui un utente decide di diffondere un testo visivo, può dunque scegliere

34 Esempio di classifica degli hashtag divisi in categorie come “hashtag Instagram amici e amicizia” o “hashtag Instagram animali”: https://www.giardiniblog.it/migliori-hashtag-instagram/, consultata il 12 settembre 2018.

70

se usare hashtag popolari, che conferiscono visibilità al suo testo, o personalizzati e di

nicchia, per descriverne in modo più accurato il contenuto. Generalmente, gli esperti

di social media consigliano di trovare un bilanciamento tra queste due tendenze, in

modo da sfruttare al meglio le funzioni dell’applicazione35.

In conclusione, questi strumenti garantiscono la diffusione dei testi in rete e al

contempo influiscono sul significato che esprimono. Per questo, ritengo che il/la

semiologo/a che analizza corpora testuali estratti da Instagram non può evitare di

prendere in considerazione le pratiche di uso dei tag, delineando il significato dei testi

anche in base ai diversi hashtag che li accompagnano e al loro ancoraggio nello spazio.

1.5 Conclusioni

Quello dei big data è un campo che negli ultimi anni è diventato di grande attualità

grazie alla distribuzione capillare di dispositivi che danno la possibilità agli utenti del

Web di creare e condividere informazioni più o meno volontariamente. Questo

fenomeno non poteva non destare interesse anche nei ricercatori in discipline

umanistiche e sociali che possono analizzare espressioni e tracce comportamentali da

numeri a volte molto grandi di individui (Rieder 2013).

In questo capitolo abbiamo visto che, nella enorme mole di dati oggi disponibili

in rete, quelli più interessanti dal punto di vista semiotico sono i cosiddetti user-

generated contents, definiti anche “dati umani” (Celli 2016), perché sono i contenuti

creati e condivisi dalle persone sotto forma di testi verbali (ad esempio post e

commenti sui social network), video e immagini.

La letteratura semiotica sull’argomento mostra che gli studiosi della disciplina si

sono occupati più volte di queste forme testuali applicando e rielaborando comprovati

strumenti teorici e metodologici per aumentarne l’intellegibilità. Il/la semiologo/a che

si occupa di questi temi si trova tuttavia a fronteggiare difficoltà legate all’applicabilità

del concetto di testo per gli user-generated contents, perché questi spesso non presentano

le tradizionali caratteristiche di chiusura, coerenza e coesione, alla necessità di creare

35 “Piccola guida all’utilizzo degli hashtag”, articolo di “Ninja Marketing”, blog specialistico di marketing e comunicazione: http://www.ninjamarketing.it/2017/02/10/guida-utilizzo-hashtag/, consultato il 12 settembre 2018.

71

una copia locale dei testi che compongono il corpus, per evitare di perderli a causa

della volatilità del Web, e alla enorme quantità di dati digitali da analizzare.

Nonostante il metodo di analisi semiotica sia nato per analizzare corpora testuali

piccoli e ben delimitati, oggi solo lo studio di corpora di vaste dimensioni permette di

individuare tendenze e ricorrenze che possono fare chiarezza su interi universi di

significato e la semiotica non può rinunciare a questo interessantissimo ambito di

applicazione.

A questo punto ho tentato di focalizzare l’attenzione sui testi di cui mi sono

occupata per questa ricerca, quelli prodotti con i locative media, ovvero gli strumenti

come smartphone, tablet e computer che integrano il sistema GPS e danno la possibilità

all’utente di creare e condividere testi strettamente collegati ai luoghi in cui sono stati

prodotti. In questa sezione mi sono poi concentrata su TripAdvisor e Instagram, le due

applicazioni che ho usato per il mio lavoro. L’analisi delle loro interfacce e dei loro

contenuti è servita a far luce sulle finalità e caratteristiche che influenzano le pratiche

di produzione testuale degli utenti.

72

CAPITOLO 2

Semiotica, informatica e semantic Web: uno

scambio produttivo

Dopo aver chiarito perché corpora medio-grandi di testi in formato elettronico sono

un oggetto di studio pertinente e interessante per la semiotica, in questo capitolo

cercherò di mostrare che, per analizzare quantità rilevanti di user-generated contents, è

consigliabile, e a volte necessario, dialogare in modo sistematico con l’informatica.

Analizzerò quindi i benefici che il dialogo in questione potrebbe portare a entrambe le

discipline. Da un lato, mostrerò che il semiologo può fare uso di diversi strumenti

informatici e semantici per agevolare parte del suo lavoro di ricerca (§ 2.1): i numerosi

strumenti informatici, spesso utilizzabili gratuitamente, possono servire a semplificare

alcune fasi del lavoro semiotico, come quella del reperimento dei dati o della loro

analisi semantica. Dall’altro, presenterò i vantaggi che la semiotica può portare

all’informatica, e soprattutto al campo di studi sul semantic Web (§ 2.2). In questa

sezione non mi limiterò a valutare come la semiotica può trarre vantaggio dall’uso di

strumenti e applicazioni informatiche, ma cercherò di spiegare perché un dialogo tra

semiotica e informatica può portare benefici a quell’intricato campo di studi in cui

convergono computer science e scienze cognitive, chiamato semantic Web.

Per mostrare parte delle potenzialità offerte dall’incontro fra le due discipline

presenterò il progetto a cui ho partecipato durante la Semantic Web Summer School

2016 che si è tenuta presso il Centro Universitario di Bertinoro (§ 2.2.3), che fu un

tentativo concreto di vera e propria collaborazione multidisciplinare. Con questo spero

di mostrare come l’analisi semiotica di testi digitali relativi a un luogo possa essere

utile anche per sviluppare agenti cognitivi artificiali che aiutino le persone a svolgere

compiti impegnativi e rafforzino la loro autonomia.

73

2.1. Informatica per la semiotica

Il questo paragrafo valuterò i vantaggi pratico-applicativi che può ottenere l’analista

semiotico dall’uso sistematico di strumenti informatici capaci di riconoscere e

interpretare parzialmente i testi, per obiettivi che riguardano il loro recupero e la loro

organizzazione ed elaborazione.

La semiotica, per definizione, si occupa di tutto ciò che è dotato di senso e che è

individuato e studiato dalla disciplina come testo. Come abbiamo visto nel § 1.3, i testi

digitali sono però molto diversi dai testi tradizionalmente indagati dalla semiotica,

perché presentano caratteristiche quali la dinamicità, l'interattività, la volatilità e la

dimensione che mettono a dura prova le tradizionali metodologie di analisi,

richiedendo alla disciplina di rivalutare ed eventualmente rielaborare o integrare le

proprie teorie e i propri modelli a fronte di questi nuovi oggetti di senso. Come

abbiamo visto, i testi digitali sono spesso difficilmente trattabili con le metodologie

semiotiche tradizionali anche per motivi di ordine puramente quantitativo. Essi infatti

sono quasi sempre disponibili sul Web in quantità tali da rendere quasi impossibile

un'analisi semiotica su larga scala: indagare un fenomeno comunicativo, sociale o

culturale analizzando un corpus composto, ad esempio, da migliaia di commenti

postati su un social network richiede a un/a singolo/a studioso/a un tempo molto

lungo o, in alternativa, il lavoro di uno staff di ricerca composto da molte persone.

Ecco perché, con l’aiuto di alcune tecnologie informatiche, la semiotica potrebbe

affrontare grandi corpora di dati digitali, pur mantenendo il suo ruolo fondamentale

nell'indagare la struttura interna dei testi e nel costruire teorie sulla loro

interpretazione. Le macchine infatti sono basate su un comportamento stimolo-

risposta e non possono sviluppare una reale capacità di comprensione dei segni: solo

gli esseri umani possono trasformare un segnale in un segno, aggiungere significati

connotativi a quelli denotativi (Eco 1975), interpretare impliciti, sciogliere ambiguità e

polisemie in modo creativo e sempre adeguato al contesto. Per analizzare un testo dal

punto di vista semiotico, l’implementazione automatica di strumenti informatici non

è quindi sufficiente, e solo lo sforzo interpretativo umano può far emergere i significati

latenti di un testo. Spesso infatti, analizzando automaticamente grandi insiemi di dati

si incorre in fenomeni di apofenia, che è il riconoscimento di schemi e modelli che in

74

realtà sono casuali, ma emergono perché enormi quantità di dati possono essere

connessi tra loro in un’infinità di modi (boyd, Crawford 2012). L’unico modo per

distinguere i pattern dotati di un significato effettivo da quelli puramente casuali è, di

volta in volta, l’intervento umano, che controlla, interpreta e riferisce in modo sensato

a un certo contesto le combinazioni che gli strumenti informatici hanno fatto emergere.

Ciò nonostante, se la semiotica intende affrontare grandi corpora di user-generated

contents dovrà necessariamente collaborare con l’informatica e fare uso di software e

strumenti dotati di competenze semantiche (in senso informatico, cfr. Della Valle et al.

2009) più o meno sofisticate per risolvere problemi che per gli esseri umani possono

anche essere semplici e intuitivi, se applicati a corpora testuali di dimensioni ridotte,

ma che su larga scala richiedono comunque molte ore di lavoro. Quando si parla di

grandi corpora di contenuti digitali, il/la semiologo/a deve quindi concepire il suo

ambito di lavoro come uno spazio ibrido che, senza l’apporto della tecnologia,

resterebbe incompleto. Questa, infatti, da un lato può fare molto per rendere più

semplici e veloci alcuni compiti, dall’altro può mettere in luce alcune caratteristiche e

tendenze rilevabili dai dati che sarebbero difficilmente individuabili con metodi di

analisi completamente manuali. A questo proposito Manovich (2012) propone un

esempio illuminante, immaginando due gruppi di studiosi, uno di antropologi e uno

di informatici, che studiano la stessa comunità, i primi con l’osservazione diretta delle

pratiche sociali che vi accadono, i secondi con l’analisi automatica di alcune

videoriprese delle stesse pratiche:

if you are physically present in some situation, you may notice some things

which you would not notice if you watching a hi-res video of the same

situation. But at the same time, if you do computer analysis of this video you

may find patterns you would not notice if you were on the scene physically

only (ivi, p. 8).

È chiaro che nessuno dei due metodi può prescindere dall’altro, ma solo una loro

combinazione equilibrata può ambire a comprendere nel modo più completo possibile

il significato delle pratiche sociali e dei testi digitali che le rappresentano e/o le

riproducono.

75

Dal punto di vista semiotico le fasi di lavoro nelle quali l’uso di strumenti

informatici è particolarmente utile sono senza dubbio quella di reperimento e scelta

dei testi per la costruzione di un corpus da analizzare e quella della sua analisi.

Costruire un corpus per poi analizzarlo significa spesso creare confini all’interno

di una grande quantità di informazioni che riguardano un certo tema, confini che

spesso non esistono nella realtà dei dati (siano questi analogici o digitali). Facendo

riferimento a una metafora usata da Deleuze e Guttari (1980) possiamo dire che i big

data rappresentano uno spazio liscio, privo di confini e divisioni nette, che deve essere

striato per costruire corpora maneggiabili e rappresentativi. Twitter ad esempio, con i

suoi 433 mila tweet al minuto36 su tantissimi argomenti diversi, può essere visto come

una sorta di mare di testi in continuo aumento, che non è possibile recuperare in modo

ragionato se non facendo affidamento a strumenti informatici. Pensiamo

semplicemente ai motori di ricerca di cui sono dotate tutte le piattaforme social e al

recupero di informazioni, al loro interno, grazie a parole chiave o hashtag. Questi

strumenti permettono di “striare” e organizzare l’insieme eterogeneo e disorganizzato

di dati digitali: se non esistessero, si potrebbero consultare solo i contenuti disponibili

nell’esatto momento in cui si fa l’analisi.

Un altro problema che il/a semiologo/a deve risolvere nella fase di costruzione

del corpus è creare una copia locale dei testi che vuole analizzare. Il Web è un ambiente

in continuo cambiamento e nulla ci assicura di poter ritrovare in un secondo momento

i testi che vogliamo studiare. Anche in questo caso esistono strumenti che possono

rispondere alle esigenze del semiologo, come ad esempio applicazioni capaci di

scaricare e salvare in locale i testi presenti sui social network. Ne sono due esempi Api

come iSave for Instagram e FastSave for Instagram, applicazioni gratuite che permettono

di salvare velocemente foto e video da Instagram per poi consultarli off line.

Per studiare i testi da un punto di vista semiotico è ovviamente necessaria la

presenza di un analista umano che possa interpretarli facendo affidamento sulle

proprie conoscenze enciclopediche sia generali, sia specialistiche. Non esiste nessuno

strumento informatico capace di fare questo con la stessa accuratezza di cui sono

capaci le persone. Vedremo però che esistono alcuni strumenti software più o meno

36 “What happens online in 60 seconds?” http://blog.qmee.com/qmee-online-in-60-seconds/, consultato il 12 settembre 2018.

76

semantici – nel senso informatico del termine – che possono almeno organizzare in

modo automatico un database e individuare le principali aree semantiche in gioco.

Nel paragrafo che segue illustrerò le possibilità offerte da alcuni strumenti

informatici che possono essere utili al/la semiologo/a per realizzare analisi su grandi

corpora di testi digitali. Non stilerò una lista esaustiva, impossibile da raccogliere dato

lo sviluppo continuo di nuovi software, ma presenterò il frutto di un lavoro di

ricognizione delle tecnologie disponibili nel momento in cui ho svolto la mia ricerca,

una ricognizione che mostra come diversi strumenti possano in alcuni casi

semplificare il lavoro del semiologo e in altri fornire informazioni sui testi che la

semplice analisi qualitativa non avrebbe permesso di focalizzare. Ciò che seguirà

tuttavia non sarà un semplice elenco di software che potrebbero servire all’analista

semiotico, ma una categorizzazione di strumenti informatici in base alle funzioni che

offrono allo/a studioso/a. Questo perché i software disponibili sul Web possono

sparire, essere modificati o superati da uno strumento più avanzato in qualsiasi

momento e questa instabilità costringe lo/la studioso/a a fare un lavoro di

ricognizione delle tecnologie nel momento in cui imposta la ricerca.

2.1.1 Strumenti per la social media analysis

Come abbiamo visto, grazie ai social media gli utenti producono e condividono user-

generated contents, ovvero testi digitali che danno informazioni sulla loro identità, sui

loro comportamenti e sulle reti sociali che li legano. In ambito semiotico troviamo

diverse ricerche concentrate sui testi e sulle pratiche che caratterizzano questi ambienti

sociali (cfr. ad esempio Peverini 2014; Ferraro, Lorusso 2016), ma sono ancora poco

numerosi gli studi dedicati all’analisi di corpora relativamente grandi di dati digitali

al fine di studiare fenomeni sociali o culturali complessi (cfr. Ghidoli 2010; Aiello 2013;

Marino, Terracciano 2015; Milia 2017). La scarsità di lavori di questo tipo potrebbe

essere imputabile alla difficoltà di trattare numeri ingenti di dati, difficoltà superabile

solo con l’uso consapevole di strumenti informatici o attraverso la collaborazione con

gruppi di ricerca in computer sciences.

Fortunatamente, oggi gli strumenti online per la raccolta e l’analisi, soprattutto

quantitativa, dei contenuti social sono tanti e spesso il loro uso non richiede particolari

77

competenze informatiche. Gli strumenti di monitoring ad esempio sono fondamentali

per misurare e analizzare i trend che si sviluppano sui canali social e sono usati

generalmente dai professionisti di social media marketing per presidiare i propri

canali, ma possono essere utili anche a fini di ricerca. È il caso di Social Mention37, uno

strumento gratuito che permette di fare ricerche in tempo reale su tutte le principali

piattaforme social. Se inseriamo una parola chiave o una frase nella sua semplice

interfaccia, simile a quella di Google, il servizio raccoglierà tutti i contenuti correlati e

generati in rete nell’ultimo mese, oltre a fare una prima analisi dei dati (Fig. 9).

Figura 9 Report di Social Mention restituito cercando la parola chiave “Wibautstraat”, la strada analizzata nel

capitolo 4.

Per prima cosa il software propone i risultati dell’analisi del sentiment dei contenuti e

li categorizza in base all’atteggiamento positivo, negativo o neutro degli autori nei

confronti di un certo argomento (un oggetto, un concetto, un luogo, e così via). In

secondo luogo, offre informazioni sulle top keywords, cioè le parole chiave usate più

frequentemente insieme alla keyword di partenza, sui top users, cioè gli utenti che

hanno citato più spesso il termine o la frase cercata, e sui top hashtags, cioè gli hashtag

più utilizzati in relazione ai termini cercati. Con questo strumento il semiologo può

raccogliere le prime informazioni su ciò che si dice in rete sul suo tema di interesse,

iniziando a individuare le aree semantiche in cui il topic è affrontato e, in alcuni casi, i

ruoli tematici dei soggetti enunciatori.

37 Social Mention: http://www.socialmention.com/, consultato il 2 marzo 2018.

78

Oltre agli strumenti per la ricerca contemporanea su più piattaforme che,

probabilmente, dovendo elaborare grandi numeri di dati restituiscono risultati non del

tutto accurati e dettagliati, esistono poi tool sviluppati appositamente per lavorare sui

contenuti di un singolo social network site.

È il caso di Social Bearing38, un motore di ricerca che lavora su Twitter e offre la

possibilità di:

(1) cercare tweet per keyword o hashtag;

(2) analizzare account Twitter pubblici;

(3) trovare tweet geolocalizzati per keyword o hashtag;

(4) trovare account in base a keywords presenti nella bio;

(5) vedere i followers di account pubblici;

(6) vedere chi segue un account pubblico.

Osservando i risultati proposti dalla piattaforma (Fig. 10), l’utente può scoprire le

opinioni presenti su Twitter e analizzare le prestazioni e i contenuti dei diversi profili

in base ai propri obiettivi.

Figura 10 Risultati di Social Bearing cercando il termine "Wibautstraat"

Tra le sezioni che compongono il report, quelle che sembrano più rilevanti dal punto

di vista semantico e semiotico sono le due word clouds (Fig. 11), cioè le rappresentazioni

38 Social Bearing: https://socialbearing.com/, consultato il 12 settembre 2018.

79

visive di liste di parole pesate in base alla loro frequenza all’interno del corpus

analizzato dal sistema.

Figura 11 hashtag cloud e word cloud restituite dal Social Bearing

“Social Bearing” propone due diverse nuvole di parole, una composta dagli hashtag

più spesso affiancati al termine cercato, l’altra formata dai termini che ricorrono più

frequentemente nei testi digitali raccolti. Osservando le word clouds è possibile

ipotizzare una prima mappatura dei campi semantici in gioco e capire quali aspetti di

un certo topic sono più spesso oggetto di discorso su quel topic all’interno di un social

network site.

L’uso combinato di più di tool di questo tipo permette infine di valutare e

comparare il modo in cui un determinato argomento è discorsivizzato nelle diverse

piattaforme, ampliando così le possibilità di ascolto di ciò che si dice sul Web. La stessa

ricerca può essere fatta ad esempio su Key Hole39, che raccoglie e analizza post pubblici

condivisi su Instagram e che mostra nuvole di hashtag e parole chiave parzialmente

diverse (Fig. 12 e 13). Comparare i vari risultati può offrire interessanti spunti di

riflessione su come le caratteristiche di ogni piattaforma spingono gli utenti a

esprimersi su uno stesso topic (nel mio caso una strada cittadina) da punti di vista

diversi.

39 Key Hole: http://keyhole.co/, consultato il 12 settembre 2018.

80

Figura 12 cloud degli hashtag usati su Instagram insieme al termine "Wibautstraat"

Figura 13 cloud di parole che occorrono insieme al termine "Wibautstraat" su Instagram

Tra i tool gratuiti per l’analisi degli hashtag spicca Hashtagify40, un motore di ricerca

per hashtag di Twitter e Instagram che restituisce, in forma di grafo, liste di hashtag

correlati e i loro indici di popolarità. Dopo la registrazione sulla piattaforma, l’utente

deve scegliere tra diverse opzioni che comportano la raccolta e l’elaborazione di

corpora più o meno grandi. Una volta scelto il volume del database che si vuole

indagare, bisogna inserire un massimo di cinque hashtag che sono elaborati e messi in

relazione con i loro hashtag satellite, cioè quelli che il motore di ricerca ha valutato

come collegati alle parole chiave cercate inizialmente. Partendo da questi dati, si può

analizzare lo sviluppo delle occorrenze semantiche tra hashtag e il conseguente

diffondersi della narrazione su un determinato tema. È proprio quello che ha fatto

Milia (2017), usando questo software per studiare dal punto di vista semiotico

l’evoluzione dell’informazione in rete a partire dall’avvento dei social media. In

40 Hashtagify: http://hashtagify.me/, consultato il 12 settembre 2018.

81

particolare, attraverso lo studio di un corpus estratto da Twitter, l’autrice ha tentato di

spiegare come la comunicazione social influisca sulle attuali narrazioni politiche

mettendo in luce le diverse dinamiche discorsive e le interazioni tra gli utenti.

Insomma, è innegabile che raccogliere basi di dati molto estese per poi analizzarle

qualitativamente è complicato. Tuttavia, i software per la social media analysis possono

servire per costruire velocemente un corpus testuale e riflettere su alcune informazioni

tratte dalla sua elaborazione automatica. Da un lato, la vastissima mole di dati offerta

dai social media diventa quindi esplorabile solo grazie alle applicazioni capaci di fare

una prima scrematura tra i testi disponibili, fornendo corpora più ridotti, ben definiti

e almeno in parte organizzati con i quali lo/la studioso/a possa interfacciarsi.

Dall’altro, l’elaborazione automatica dei testi mette in evidenza aspetti che,

probabilmente, non sarebbero rilevati senza l’aiuto della macchina. Basti pensare alla

capacità di Hashtagify di identificare le correlazioni semantiche tra migliaia di testi e

di scoprire quali utenti sono più influenti di altri su un certo topic. Coniugare l’uso di

questi strumenti alla tradizionale analisi semiotica dei testi è una strada interessante e

promettente, seppure ancora sperimentale.

2.1.2 Digital Methods tools

La Digital Methods Initiative (DMI) è uno dei più importanti gruppi di ricerca europei

nel campo degli studi su Internet. Il gruppo, con cui ho collaborato durante la Digital

Methods Summer School del 2017, è guidato da Richard Rogers e afferisce

all’Università di Amsterdam. Esso si occupa di progettare metodi e strumenti per l’uso

di dispositivi e piattaforme online (come Twitter, Facebook e Google) per la ricerca su

questioni sociali e politiche41. L’idea di partenza è rovesciare il modo in cui di solito si

studiano i media, affiancando alle analisi tradizionali nuovi studi di tipo sociale e

culturale, che partono dal medium e dai dispositivi che offre (Severo 2016). In altre

parole, Rogers propone “un nuovo orientamento agli studi su Internet attraverso la

ridefinizione dei «metodi del medium» o, più precisamente, dei metodi incorporati

negli strumenti on line” (Rogers 2013, p. 1). Con “metodi del medium” si intendono

41 Sezione “About as” del sito del sito della Digital Methods Initiative: https://wiki.digitalmethods.net/Dmi/DmiAbout, consultata il 12 settembre 2018.

82

ad esempio gli algoritmi dei motori di ricerca che ordinano e catalogano ciò che è

presente sul Web. In questo ambito, secondo Rogers, l’obiettivo della DMI:

non è tanto contribuire alla costruzione di un migliore motore di ricerca,

compito che è meglio lasciare all’informatica e alle discipline a essa collegate,

quanto piuttosto di pensare con i motori di ricerca e imparare come essi

facciano uso di link, hit, like, etichette (tag), date e altri oggetti nativi digitali.

Adottando la prospettiva dei dispositivi e degli oggetti da essi trattati, la

ricerca che si avvale dei metodi digitali prova a seguire l’evoluzione dei

metodi del medium (ivi).

Da questo punto di vista, quando si studiano fenomeni sul Web ci si dovrebbe basare

su quello che il medium mette a disposizione per vedere come ciò che è online può

essere utile per fare ricerca. L’obiettivo è usare i metodi e gli strumenti online per scopi

diversi da quelli per cui sono stati sviluppati e, per farlo, lo studioso di discipline

sociali e umanistiche deve procedere come un esploratore che si affida ai meccanismi

del Web e interpreta ciò che è già stato prodotto dagli utenti e dalle piattaforme.

Questo atteggiamento metodologico, che considera le piattaforme digitali oggetti

di studio utili alla ricerca sociale, culturale e politica, ha portato allo sviluppo di metodi

e strumenti informatici per la loro analisi. Le numerose tecniche di ricerca presentate

dal gruppo sono infatti replicabili grazie a un insieme di strumenti informatici, messi

a disposizione sul sito web della Digital Methods Initiative, che servono ad analizzare

i media digitali e a raccogliere dati dal Web42. Vediamone alcuni.

Tra le applicazioni, tutte disponibili gratuitamente, troviamo “Image Scraper”43,

un tool capace di estrarre e raggruppare le immagini dei siti web partendo da una lista

di URL. Questo strumento (o uno analogo) può senza dubbio essere utile anche al/la

semiologo/a impegnato/a nello studio dei testi elettronici. Immaginiamo per esempio

di voler condurre un’analisi semiotica delle immagini che caratterizzano i più popolari

blog di viaggio, con l’obiettivo di comprendere quali siano i principali stereotipi che

esprimono. Inserendo in “Image Scraper” le URL dei blog scelti, sarà possibile ottenere

42 L’elenco dei tool sviluppati dalla Digital Methods Initiative si trova all’indirizzo: https://wiki.digitalmethods.net/Dmi/ToolDatabase, consultato il 12 settembre 2018. 43 “Image Scraper”: https://wiki.digitalmethods.net/Dmi/ToolImageScraper, consultato e testato il 12 settembre 2018.

83

in pochi secondi gli elenchi completi delle immagini presenti. Ciò renderà l’analisi

qualitativa più semplice e veloce, e permetterà di identificare con più probabilità

eventuali tendenze e ridondanze semantiche su grandi numeri di testi visivi.

Figura 14 Interfaccia ed esempio di output di Image Scraper

“Netvizz”44 è invece un’applicazione per l’estrazione di dati da diverse sezioni di

Facebook. Con questo strumento si possono analizzare quantitativamente e

qualitativamente i contenuti pubblicati in gruppi e pagine Facebook, oltre alle reti di

amicizia tra gli utenti. I risultati mettono in luce dati demografici, postdemografici e

caratteristiche relazionali che possono essere utili per lo studio delle tracce

comunicative e comportamentali di numeri molto grandi di individui, enti, aziende,

istituzioni. In questo senso, lo strumento fornisce informazioni preziose per

individuare le matrici di significato e le pratiche che emergono e si sviluppano

all’interno del social network.

44 “Netvizz”, testato il 5 giugno 2017, è disponibile al link: https://wiki.digitalmethods.net/Dmi/ToolNetvizz, consultato il 12 settembre 2018.

84

“Instagram Hashtag Explorer” 45 è infine un’applicazione che permette di

recuperare e scaricare i post di Instagram contrassegnati da un certo termine o

geolocalizzati in una determinata località. Vedremo nel Cap. 4 come questo strumento

mi è stato utile per costruire il corpus di post di Instagram che ho selezionato per il

mio lavoro su una strada di Amsterdam: mi è bastato decidere il lasso temporale di

interesse e inserire le coordinate spaziali che identificano la strada per ottenere in pochi

secondi tutti i post pubblici condivisi in quel luogo. “Instagram Hashtag Explorer” mi

ha restituito un file Excel (Fig. 15) che contiene una grande quantità di informazioni su

tutti i testi raccolti.

Figura 15

Nello specifico troviamo:

(1) il numero identificativo del post;

(2) la data e l’ora in cui è stato creato;

(3) la latitudine e la longitudine del luogo in cui è stato realizzato;

(4) la presenza di commenti e il loro numero;

(5) il numero di like che ha ottenuto;

(6) il tipo di filtro usato per ritoccare l’immagine;

45 “Instagram Hashtag Explorer”: https://wiki.digitalmethods.net/Dmi/ToolInstagramHashtagExplorer, consultato e testato il 12 luglio 2017.

85

(7) il testo della didascalia;

(8) la lista di hashtag;

(9) il nome utente dell’autore;

(10) il link all’intero post;

(11) il link alla sua thumbnail, cioè all’anteprima della sola miniatura

dell’immagine.

Ovviamente, durante un’analisi di tipo semiotico non si dovrà tener conto di tutte

queste informazioni, anche se alcune di esse sono senza dubbio utili per organizzare e

analizzare i testi più agilmente. Da un lato, un file come questo permette di accedere

velocemente ai testi, senza perdere tempo nella loro raccolta e organizzazione per un

successivo recupero. Dall’altro, è utile perché fornisce in modo aggregato diversi tipi

di metadati sui post. La visualizzazione automatica della lista di hashtag attraverso

nuvole di parole mi ha permesso ad esempio di identificare immediatamente le

principali aree semantiche in cui sono state categorizzate le immagini pubblicate e

geolocalizzate presso la Wibautstraat. Ovviamente le possibilità dello strumento non

si fermano qui e di volta in volta sta allo/a studioso/a decidere quali aspetti

approfondire in base ai propri obiettivi di ricerca.

2.1.3 Strumenti con competenze semantiche

Nell’ultimo decennio, in informatica si è assistito al fiorire di tecnologie definite

“semantiche” perché concentrate sul contenuto, sul significato dei dati che elaborano

e non soltanto sulla loro organizzazione sintattica, che è ciò che in semiotica

chiamiamo, seguendo la terminologia di Saussure (1916) “significante” o, seguendo

quella di Hjelmslev (1943) “piano dell’espressione”. Con tool semantici si intendono

gli strumenti matematici, logici e linguistici che servono a identificare pattern leggibili

e a estrarre significato da dati digitali. Queste macchine intelligenti sono in grado di

“imparare” come individuare ed estrarre significato da risorse testuali e multimediali,

ricavando in automatico la loro semantica (Della Valle et al. 2009). In altre parole, con

tecnologie semantiche si intende “un insieme piuttosto eterogeneo di strumenti

informatici, progetti di sviluppo, ricerche teoriche, accomunati da una semplice

86

caratteristica: quella di avere qualcosa a che fare con il significato” (Incardona 2012, p.

16). Dopo un dovuto addestramento, questi strumenti riescono a portare a termine

processi interpretativi più o meno sofisticati e possono essere molto utili durante

l’analisi semiotica di grandi corpora. Ne vediamo qui di seguito tre tipi in particolare,

cercando di capire anche come ciascuno possa servire, e a volte addirittura essere

necessario, al lavoro del/la semiologo/a.

2.1.3.1 Motori di ricerca

Oggi il Web contiene più di 4,47 miliardi di pagine46, che sono collegate tra loro con

un numero superiore di link e che contengono una quantità incalcolabile di contenuti

digitali. Questa enorme collezione di testi multimediali non è però dotata di una

struttura definita, il che rende i contenuti difficilmente raggiungibili dagli utenti.

L’unico modo disponibile per orientarsi in questo immenso universo di dati

disordinati è usare i motori di ricerca, che sono gli unici strumenti capaci di

organizzare le informazioni e renderle accessibili agli utenti. I motori di ricerca sono

“intelligenze artificiali che navigano ed esplorano tutta la rete, memorizzando parte di

quello che trovano in enormi database sparsi per tutto il mondo” (Piccari 2015, p. 12).

Questi sistemi automatizzati elaborano milioni di pagine web e forniscono all’utente

informazioni e risposte soddisfacenti per le proprie ricerche.

In questa sede, non è possibile né utile affrontare nel dettaglio il funzionamento

tecnico dei motori di ricerca (per approfondire, cfr. Baroncelli, Maragi 2008; Ippolita

2007, 2014; Langville, Meyer 2006; Lana 2004), ma basta sapere che, dopo l’inserimento

di una query, cioè di una o più parole chiave digitate nella stringa di ricerca, il motore

“riesce ad analizzare un’enorme quantità di dati restituendo un elenco ordinato di

contenuti” chiamato SERP (Search Engine Results Page) (Maltraversi 2014, p. 16). Le

informazioni sono indicizzate in base ad algoritmi complessi che ne indicano

l’importanza per una determinata combinazione di keywords, e le informazioni

ritenute più interessanti in relazione a una ricerca sono restituite nella parte alta della

SERP. In generale esistono due tipi di motori di ricerca: quelli interni ai siti web, che

46 Secondo la stima di Worldwidewebsize.com, un sito che quantifica giornalmente la dimensione del World Wide Web, consultato il 12 settembre 2018.

87

agiscono sui database relativi al sito dentro cui fanno ricerche, e quelli generalisti,

come Google e Bing, che organizzano e mettono a disposizione le informazioni sul

Web a livello mondiale. In entrambi i casi, l’obiettivo è indicizzare, memorizzare,

ordinare le pagine web sotto forma di liste e restituire i contenuti più pertintenti alla

ricerca di ogni utente, portando ordine dove c’è confusione (Piccari 2015).

Tuttavia, uno dei limiti dei motori di ricerca tradizionali è l’impossibilità di

scandagliare il Web in base al significato delle pagine web. In termini semiotici,

possiamo dire che scansionano solo il piano dell’espressione (Hjelmslev 1943), cioè

lavorano sulle stringhe (sequenze di lettere, numeri e parole) cercate dall’utente, senza

“capire” veramente cosa queste stringhe significano. Ad esempio, se cerco su Google

la parola “città” ottengo per primi i testi in cui compare il termine, calcolati

dall’algoritmo come più rilevanti per me che sto facendo la ricerca in un certo

momento47, in una certà località geografica (in via Azzo Gardino 23, Bologna, Italia,

Europa), secondo certe mie abitudini di navigazione sul Web, che sono memorizzate

nalla profilazione che mi contraddistinge come utente di Google48: i primi risultati

sono le definizioni di “città” e di “città circondariale” di Wikipedia, la definizione di

“città” del vocabolario Treccani e la pagina della città metropolitana di Bologna,

perché da Bologna è partita la ricerca. Comprendiamo quindi che il compito di Google

non è “capire” il vero è proprio significato dell’espressione “città”, ma trovare quali

pagine sono connesse a quel topic e sono più probabilmente pertinenti per la ricerca

dell’utente. Insomma, i motori di ricerca, sia interni ai vari siti sia generalisti, si

concentrano sul piano dell’espressione a discapito di quello del contenuto: sarà

l’utente che investirà i risultati di significato, riconoscendoli come pertinenti alla query

inserita e selezionandoli a seconda delle sue necessità.

Di conseguenza però, se nel momento della ricerca l’utente non conosce il nome

esatto di ciò che sta cercando, la questione diventa più complicata. Se ad esempio

vogliamo cercare su Libraccio.it un romanzo ambientato in epoca fascista, dobbiamo

47 Ricerca fatta su Google l’8 marzo 2018 da Bologna. 48 Con il termine profilazione si intendono le attività di raccolta ed elaborazione dei dati degli utenti di un servizio web, utili per segmentarli in base al loro comportamento online e offline. Questi dati comprendono ad esempio lo storico delle ricerche fatte su Google e dei nostri spostamenti nello spazio e permettono di creare un profilo di mercato per ciascun utente.

88

sapere il nome preciso dell’opera: inserendo infatti il termine generico “fascismo”

otteniamo solo i libri in cui il termine compare nel titolo, escludendo quelli che, pur

chiamandosi in un altro modo, trattano del fascismo. Ciò mostra che il sistema di

ricerca di Libraccio.it non conosce il contenuto dei testi che cataloga, ma li organizza e

li recupera semplicemente grazie al riconoscimento di alcune parole chiave presenti

nei loro titoli. L’uso di parole diverse, anche se dotate di significato uguale o simile a

quelle che appaiono nel titolo, porta alla perdita di contenuti interessanti e coerenti

con il topic.

Ciò avviene a causa degli algoritmi di string-matching – o corrispondenza tra

stringhe – che stanno alla base dei motori di ricerca tradizionali e che trovano tutte e

solo le occorrenze di una stringa all’interno di un testo. Per molti anni i motori si sono

basati su questo principio, ovvero sulla ricerca dettagliata dei termini oggetto di

interrogazione all’interno dei testi digitali. Più recentemente, però, ci si è resi conto

della necessità di dotare questi strumenti di funzioni semantiche, cioè attente al piano

del contenuto, oltre che a quello dell’espressione (Hjelmslev 1943).

Google ad esempio sta sviluppando diverse funzioni per offrire risultati

semanticamente sempre più pregnanti, mentre, in ambito informatico, e in particolare

nel campo di studi sul semantic Web, stiamo assistendo a un fiorire di tecnologie volte

a riconoscere, per quanto possibile, la semantica dei testi digitali.

Ne è un esempio FiND, un motore di ricerca semantico destinato a lavorare su

singoli siti web e basato su un approccio di Natural Language Processing e Data Mining.

Il motore è stato realizzato nell’ambito di un progetto finanziato nel 2014 da Working

Capital, acceleratore per startup innovative di Telecom Italia. Il progetto, a cui ho

partecipato dall’inizio, è stato concepito e realizzato da un team multidisciplinare

composto da docenti, assegnisti e studenti dell’ateneo bolognese49 e ha portato allo

49 Il team era composto, in ordine alfabetico, da: Roberto Baroncelli, ingegnere informatico; Gabriele Baronio, laureando magistrale in Semiotica, Giovanna Cosenza, docente di Semiotica dei nuovi media e coordinatrice del Corso di laurea in Scienze della comunicazione all’Università di Bologna; Elisa Gasparri, assegnista di ricerca del Dipartimento di Filosofia e comunicazione dell’Università di Bologna; Maurizio Matteuzzi, docente di Intelligenza artificiale dell’Università di Bologna; Federico Nanni, dottore di ricerca in Science, Technology and Society all’Università di Bologna; Gianmarco Nicoletti, laureato triennale in Informatica all’Università di Bologna e sviluppatore software; e infine io, dottoranda in Philosophy, Science, Cognition and Semiotics all’Università di Bologna. Una breve presentazione del gruppo di ricerca è disponibile al link: http://www.dfc.unibo.it/it/ricerca/gruppi-di-ricerca/find.

89

sviluppo di un software che ha le caratteristiche tipiche di un motore di ricerca

semantico. In altre parole, abbiamo implementato lo strumento in modo da renderlo

capace di:

(1) non considerare parti del discorso come congiunzioni, articoli,

preposizioni che non investono di senso i testi elaborati;

(2) cercare le occorrenze ignorando la stringa e la sintassi: il sistema non

deve interessarsi alle variazioni grammaticali dei termini come

congiunzioni o declinazioni;

(3) assegnare ai termini un giusto “peso”50 in base al contesto di ricerca;

(4) considerare l’intero contenuto delle pagine web che scandaglia, non

limitandosi a cercare nei titoli delle risorse;

(5) comprendere “l’intorno lessicale” dei termini cercati (quello che in

semiotica e in linguistica si chiama “campo semantico”, cfr. Marmo 2015,

p. 75), riconoscendo sinonimi, iperonimi e iponimi;

(6) comprendere “l’intorno semantico” dei termini cercati, ricollegando ad

esempio un regista ai suoi film (Nicoletti 2014).

Il vantaggio principale di FiND rispetto ai motori di ricerca tradizionali è la possibilità

di superare i limiti della ricerca per parola chiave: data una query, il motore riconosce

i termini compresi nella semantic cloud delle parole cercate, grazie ai collegamenti

semantici creati dagli sviluppatori del motore.

Il prototipo che abbiamo implementato per il progetto finanziato da Working

Capital di Telecom si concentra sulle pagine web e sui materiali accademici presenti

sul sito dell’Università di Bologna e lavora su tutte le informazioni contenute nelle

varie descrizioni degli insegnamenti e dei corsi di studio, nelle pagine personali di

professori, ricercatori e dottorandi e negli abstract di tutte le loro pubblicazioni,

considerandole come un corpus unico. Per migliorare ad esempio la ricerca di

50 Il “peso” è un valore numerico che indica l’importanza di un termine (token) all’interno di un testo raggiungibile grazie a una URL. Il peso si calcola contando le occorrenze del token nel testo e suggerisce se un certo termine è più rilevante per un tema invece che per un altro.

90

informazioni didattiche, sono stati tokenizzati51 tutti i testi dei programmi dei vari

insegnamenti, dopo aver eliminato le stop-words e altre parole “inutili” per la ricerca

sui contenuti (come “esame”, “lezione” e “programma”). In questo modo abbiamo

creato una matrice con gli insegnamenti sulle righe e le parole selezionate sulle

colonne. L’idea alla base del progetto è che i vari “token”, intesi qui come sintagmi

nominali, acquisiscano un peso diverso in dipendenza del contesto: “Kant” ad

esempio ha un peso maggiore quando si parla di filosofia e minore, ma non pari a zero,

se si parla di chimica. Nello specifico, ogni termine è rappresentato come un vettore

<parola, peso> e questo peso è determinato in base alla ricorrenza della parola e al suo

posizionamento nel testo (ad esempio se la parola in questione compare nel titolo

“pesa” di più).

Tornando alle possibilità che i motori di ricerca più o meno semantici offrono alla

semiotica, è chiaro che sono strumenti imprescindibili per fare analisi su ampi corpora

di testi digitali. E considerando gli obiettivi della semiotica, i motori semantici (o

tendenzialmente più semantici) sono preferibili a quelli non semantici (o meno

semantici) perché restituiscono contenuti che vanno oltre le parole chiave inserite da

chi cerca e, riconoscendo fenomeni semantici come la sinonimia, danno liste più ampie

di contenuti semanticamente pertinenti. Tuttavia, anche i motori di ricerca tradizionali

più diffusi sono uno strumento fondamentale per chiunque voglia ottenere

informazioni dal Web, e ovviamente lo sono anche per il semiologo interessato a

studiare il significato di grosse quantità di testi sul Web.

In base al tipo di testi che si vuole studiare si dovranno usare motori di ricerca

più o meno semantici, in grado di estrarre contenuti provenienti da una certa

piattaforma e accomunati da un unico topic. I social network sites ad esempio sono tutti

dotati di un servizio di ricerca interno per recuperare post e commenti in base a diverse

variabili (l’autore, le parole usate nel testo, gli hashtag e così via). Come abbiamo visto,

esistono inoltre applicazioni esterne capaci di fare ricerche mirate su singole

piattaforme, come ad esempio gli strumenti implementati dalla Digital Methods

Initiative di Amsterdam.

51 In genearale, tokenizzare significa analizzare automaticamente i lessemi in un testo per categorizzarli in base alla funzione e dare loro un significato.

91

In sintesi, analizzare grandi quantità di dati digitali senza ricorrere all’aiuto dei

sistemi intelligenti per il recupero dei contenuti è pressoché impossibile e ciò fa dei

motori di ricerca “uno dei fenomeni tecnologici, culturali ed economici più importanti

di questi ultimi anni” (Carpineto, Romano 2005, p. 1). Il semiologo che si avvale dei

loro servizi per la costruzione del corpus dovrà avere una conoscenza almeno parziale

del loro funzionamento, in modo da comprendere su quali basi selezionano i testi

digitali. In seguito vedremo ad esempio come l’uso di due strumenti di ricerca su

Instagram (Instagram Hashtag Explorer e il motore interno al social network) produca

due liste di testi, diverse sia nella dimensione, sia, in alcuni casi, nei contenuti delle

singole occorrenze testuali selezionate. Starà allo/a studioso/a valutare il grado di

rappresentatività dei risultati e determinare il proprio corpus di indagine.

2.1.3.2 Strumenti di Sentiment Analysis

L’espressione Sentiment Analysis si riferisce alle tecniche informatiche che servono a

identificare e classificare in modo automatico le opinioni, i sentimenti e le preferenze

espresse dagli autori dei testi che troviamo sul Web. In questo senso gli obiettivi della

Sentiment Analysis sono molto simili a quelli della semiotica che si occupa di

identificare i valori in gioco nei testi. Potremmo dire, infatti, che queste tecniche

informatiche tentano di mettere in luce la categoria timica dei testi: in semiotica la timia

è la disposizione affettiva di base espressa da qualunque processo comunicativo.

Secondo il Dizionario ragionato della teoria del linguaggio di Greimas e Courtés:

La categoria timica si articola a sua volta in euforia/disforia (con aforia come

termine neutro) e gioca un ruolo fondamentale nella trasformazione dei

microuniversi semantici in assiologie: connotando come euforica una deissi

del quadrato semiotico, e come disforica la deissi opposta, provoca la

valorizzazione positiva e/o negativa di ciascuno dei termini della struttura

elementare della significazione (Greimas e Courtés 1979, voce “timica

(categoria -)”)52.

52 Per approfondire, cfr. Bernardelli, Grillo 2014, p. 116; Pozzato 2001, pp. 45-47.

92

La timia è quindi un termine neutro che mostra la disposizione positiva o negativa

verso un’unità semantica qualsiasi. Dal punto di vista semiotico, è possibile capire

come un’unità semantica è valutata in un testo solo attraverso un processo di

interpretazione che la Sentiment Analysis cerca in un certo senso di simulare. Essa

infatti è “una tecnica di identificazione automatica delle valutazioni positive o

negative espresse nei confronti di entità semantiche rilevanti, siano esse concetti o

individui” (Incardona 2012, pp. 18-19) e agisce su testi verbali digitali composti da frasi

soggettive. Per questa ragione gli ambienti web in cui l’applicazione di tecniche di

Sentiment Analysis è più efficace sono i social media e tutte le piattaforme che ospitano

recensioni, da TripAdvisor a Booking, da Amazon a ProntoPro. In queste piazze

virtuali, infatti, troviamo informazioni testuali ascrivibili alla categoria delle opinioni

e valutazioni soggettive, invece che alla descrizione di fatti il più possibile oggettivi,

che ad esempio dovrebbe trovarsi nei siti di informazione, perché in questi ambienti

le persone producono enunciati in cui esprimono esplicitamente il proprio punto di

vista e le proprie idee, condividendo sentimenti positivi o negativi con le altre persone.

Senza dubbio la grande disponibilità di pareri personali su qualsiasi argomento

è tra le possibilità più interessanti offerte dal Web. Sempre più spesso, infatti, persone

(ad esempio leader politici, ma anche manager), istituzioni (ad esempio pubbliche

ammnistrazioni), organizzazioni (ad esempio aziende) si trovano a dover prendere in

considerazione le opinioni di grandi masse di persone per prendere decisioni di

qualche tipo. Prima del Web ciò avveniva chiedendo pareri a persone più o meno

vicine o, in modo metodologicamente più sistematico e rigoroso, facendo interviste a

campioni di popolazione, organizzando focus group o commissionando sondaggi di

opinioni (cfr. tutte le tecniche della ricerca sociale qualitativa, Corbetta 2003), mentre

oggi si tendono a integrare le metodologie tradizionali con la consultazione, più o

meno sistematica, di centinaia o migliaia di commenti e recensioni disponibili in rete.

Il Web infatti ha offerto alle persone molte più possibilità di esprimere la loro opinione,

i loro gusti e interessi di quante ce ne fossero prima della sua diffusione di massa,

dando a chiunque la possibilità di produrre user-generated contents relativi a qualsiasi

argomento e diffusi per mezzo di social network sites, forum, blog e siti web (Bing 2010).

La rilevanza sempre più imponente di questo fenomeno ha portato l’informatica

a sviluppare strumenti per determinare la polarità (il sentiment, appunto) di qualunque

93

documento (e di qualunque sua parte), classificandolo come positivo, negativo o

neutro. Le possibili applicazioni di queste tecnologie sono numerose e vanno dal

marketing, per cui si possono individuare punti di forza e debolezza di un prodotto,

un servizio, un brand, alla ricerca scientifica e umanistica, il che garantisce analisi

automatiche della polarizzazione di larghi corpora testuali senza lo sforzo che

richiederebbe uno lavoro di scandaglio manuale.

2.1.3.2.1 Come funziona la Sentiment Analysis

Fin dalle sue origini con Sentiment Analysis si intendono le tecniche

in grado di elaborare una ricerca su parole chiave e di identificare, per

ciascun termine, degli attributi (positivo, neutro, negativo) tali per cui, una

volta aggregate le distribuzioni di questi termini, diventa possibile estrarre

l’opinione associata a ciascun termine chiave (Ceron et al. 2014, p. 29).

Queste tecniche permettono di estrarre in modo automatico quattro informazioni

fondamentali dai testi:

(1) la fonte, cioè il soggetto che esprime l’opinione;

(2) la polarità, cioè il valore negativo, positivo o neutro dell’opinione;

(3) l’intensità, cioè il valore che esprime il grado di forza con cui l’opinione è

espressa;

(4) l’argomento, cioè l’oggetto valutato dalla fonte (Incardona 2012).

Le applicazioni disponibili non danno tutte lo stesso valore a questi quattro elementi

e generalmente si concentrano su alcuni di essi in base agli obiettivi per cui sono state

sviluppate. Ad esempio, uno strumento che raccoglie e analizza le citazioni su un certo

tema presenti su una pagina web dovrebbe concentrarsi prevalentemente sull’analisi

delle fonti e degli argomenti, mentre uno strumento per il marketing che vuole rendere

conto di cosa dicono le persone riguardo a un brand o un prodotto, dovrebbe

focalizzarsi soprattutto sulla polarità e sull’argomento, tralasciando alcune

informazioni sulle fonti.

94

In generale, i metodi più diffusi per l’analisi automatica del sentiment possono

essere suddivisi in tre macro-categorie: rilevamento delle keyword, affinità lessicale e

metodi statistici53.

Il metodo più semplice e intuitivo, ma forse anche quello più tendente a produrre

errori, è la rilevazione di parole chiave relative a categorie emotive riconoscibili. I

sistemi di Sentiment Analysis ad esempio classificano facilmente come positivi i

contenuti in cui compaiono termini come “felicità” e “gioia” in tutte le loro accezioni

linguistiche. L’affinità lessicale invece è un metodo volto a individuare parole che non

rinviano direttamente alle emozioni, ma che sono probabilmente “affini” a una certa

categoria emotiva. In questo caso, gli strumenti informatici determinano con quanta

probabilità una parola può collegarsi a particolari emozioni provate dal soggetto. Ne

è un esempio il termine “crepapelle” che, pur non essendo direttamente collegato a

una categoria emotiva, solitamente è usato per descrivere una risata intensa e

rumorosa, e permette agli strumenti di Sentiment Analysis di classificare i testi in cui

compare come valutazioni probabilmente positive di un certo argomento (ad esempio

un film o un romanzo).

Grazie ai metodi statistici, che si basano sull’apprendimento automatico, è infine

possibile individuare il soggetto cha ha provato il sentimento e la caratteristica

dell’oggetto verso la quale il sentimento è orientato. Ciò però non è immediato e

richiede un periodo di addestramento del sistema attraverso modelli che associano

una polarità e un topic a un determinato tipo di contenuti. Spesso questa fase consiste

nell’annotazione manuale di un corpus testuale sulla base di uno schema predefinito,

e il risultato è dato in pasto ad algoritmi di machine learning, che generalizzano le regole

di classificazione a partire dal materiale già analizzato. Gli algoritmi quindi

“esaminano i testi annotati manualmente, imparando a produrre autonomamente

risultati di analisi simili per nuovi documenti” (Incardona 2012, p. 21).

Nonostante l’avanzamento tecnologico degli strumenti per l’analisi automatica

dei testi, le tecniche di Sentiment Analysis sono tutt’altro che infallibili. Prima di tutto

è risaputo che esse sanno difficilmente cogliere e gestire l’ironia. Una frase come “amo

53 “Cos’è la sentiment analysis? Utilità, limiti e tools (gratis e a pagamento)”, articolo di approfondimento del blog Marketing Freaks, specializzato in tecniche di marketing: http://www.themarketingfreaks.com/2017/01/cose-la-sentiment-analysis-utilita-limiti-e-tools-gratis-e-a-pagamento/, consultato il 12 settembre 2018.

95

lavorare alla domenica, soprattutto quando fuori c’è il sole” sarà immediatamente

riconosciuta come ironica da un interprete umano, mentre sarà probabilmente

classificata come positiva da un sistema di Sentiment Analysis. L’algoritmo rileva

infatti la presenza del verbo “amare” riferito al lavoro domenicale e non ha i mezzi per

capire che l’enunciato in realtà potrebbe avere un significato opposto a quello letterale.

Le euristiche per la Sentiment Analysis inoltre sono in grado di individuare

automaticamente gli attori che esprimono l’opinione soprattutto quando essa è

espressa in maniera diretta (ad esempio “io penso che…” o “Paolo odia…”), mentre

faticano a gestire i casi di débrayage enunciativi fortemente oggettivanti (ad esempio

“si ritiene che…”) (ivi). A fronte di questa affidabilità parziale, il ricercatore interessato

all’analisi qualitativa di grandi corpora testuali dovrebbe fare controlli a campione dei

testi codificati cercando di evitare il più possibile i casi di distorsione in fase di codifica

(Ceron et al. 2014).

Il/la semiologo/a, dal canto suo, può sfruttare le potenzialità offerte da questi

strumenti informatici per farsi un’idea iniziale delle opinioni più diffuse riguardo al

tema di suo interesse. Una prima classificazione basata sul giudizio positivo, negativo

o neutro di un enunciatore nei confronti di un topic permetterà allo/a studioso/a di

analizzare nel dettaglio i diversi testi e di mettere in evidenza sia il modo in cui il tema

di interesse è interpretato e giudicato da diversi soggetti, sia gli eventuali fallimenti

dello strumento. I tool che possono essere utili da questo punto di vista, e che ho già

in parte trattato nel § 2.1.1, si differenziano in base al livello di accuratezza e al numero

di servizi di analisi testuale che offrono. Quelli più efficaci, solitamente a pagamento e

sviluppati per soddisfare i bisogni di marketing delle grandi aziende, non si limitano

a fornire semplici classifiche che mostrano il numero di opinioni positive, negative e

neutre su un certo tema, ma offrono anche informazioni demografiche sugli utenti che

si sono espressi, informazioni sui trending topics, sulle modalità di diffusione dei

contenuti e sulla localizzazione geografica dei soggetti che hanno espresso un parere54.

Ciò da un lato permetterà allo studioso di identificare i cosiddetti “influencer” in un

certo ambito, tenendone conto durante l’analisi testuale. Dall’altro, mostrerà da dove

54 Ad esempio Brandwatch, potente tool a pagamento che cerca sul web recensioni, articoli, commenti e conversazioni, per poi categorizzarli e analizzarne il sentiment. https://www.brandwatch.com/, consultato il 12 settembre 2018.

96

provengono gli user-generated contents caratterizzati da una certa polarità, mettendo in

luce eventuali differenze sociali e culturali che influenzano i processi interpretativi

legati al topic che si sta studiando.

2.1.3.3 Strumenti per l’analisi automatica delle immagini

Finora abbiamo parlato di strumenti e metodi semantici per l’analisi di testi verbali

presenti sul Web. Tuttavia, esistono alcune risorse informatiche in grado di analizzare

in modo automatico anche il contenuto dei testi visivi largamente diffusi in rete.

Le tecniche di Image Analysis per la classificazione di archivi audiovisivi

permettono ad esempio di catagorizzare in modo automatico le immagini (Content

Based Retrieval System) e di descriverne il contenuto mediante modelli matematici e

implementazioni informatiche che cercano, per quanto possibile, di seguire i principi

del sistema visivo umano. Ma quali sono i criteri o gli elementi che permettono a uno

strumento informatico di analizzare il contenuto di un’immagine?

Montagnuolo (2005) spiega che questi strumenti rappresentano le informazioni

contenute nelle immagini secondo tre diversi livelli di astrazione.

Il primo comprende le caratteristiche di base dell’immagine, come colore, trama

e forme geometriche elementari. Il colore, che è percepito dalle persone grazie ad

aspetti fisici, neurofisiologici e psicologici, è rappresentato dai sistemi informatici per

mezzo di modelli matematici che trattano i colori come vettori appartenenti a uno

spazio n-dimensionale, ad esempio lo spazio RGB (Red, Green, Blue). Grazie a questa

rappresentazione delle tinte cromatiche sotto forma di vettori, si stabilisce la differenza

tra i colori sulla base della distanza tra i loro punti più rappresentativi. La trama è

invece usata dalle tecniche di Pattern Recognition per individuare le zone delle

immagini caratterizzate da specifici “disegni” come i fili d’erba di un prato o la sabbia

di una spiaggia (ivi). La texture è infatti fondamentale per distinguere in modo

automatico tra diversi tipi di oggetti, basti pensare a immagini cromaticamente simili

ma semanticamente diverse tra loro come il cielo e il mare. Le forme infine sono

individuate grazie ad alcune loro caratteristiche come l’area, la direzione degli assi, gli

angoli e così via. Anche in questo caso le forme sono rappresentate mediante un

vettore, in modo da calcolare il loro grado di somiglianza. Grazie alla rilevazione

97

automatica di questi elementi di base, si possono fare ricerche nei database di testi

visivi chiedendo ad esempio al motore di ricerca di trovare “tutte le immagini con

dominante di colore rosso” o “tutte le immagini dove compare almeno un cerchio”.

Il secondo livello di astrazione, continua Montagnuolo (2005), permette una

descrizione più dettagliata degli elementi del primo, fornendo la rappresentazione di

oggetti più complessi mediante la loro aggregazione e disposizione nello spazio. In

questo caso si potranno fare ricerche più raffinate come ad esempio “trova le immagini

contenenti cerchi azzurri”.

Il terzo livello, infine, comprende il significato delle scene rappresentate e

permette di analizzare semanticamente il contenuto delle immagini, per interpretarle

automaticamente e incorporare i descrittori testuali. Con quest’ultimo tipo di analisi

semantica dell’immagine è possibile ottenere una prima interpretazione di un’intera

scena e riconoscere automaticamente certi oggetti o soggetti. Di conseguenza sarà

possibile fare ricerche come “trova le immagini del Presidente della Repubblica

italiano” o “trova le immagini della rivoluzione araba”.

Gli strumenti informatici in grado di rappresentare le immagini grazie alla

rilevazione dei tre livelli appena presentati possono essere molto utili per organizzare

e realizzare analisi preliminari del corpus. Le informazioni estratte dall’analisi

automatica, infatti, possono essere usate come filtro nella ricerca e permettono di

recuperare oggetti specifici all’interno di ampi database di testi visivi.

Come esempio propongo ora la ricerca semiotica su un grande corpus di testi

pubblicitari in formato elettronico cui ho fatto cenno nell’introduzione, che avrebbe

tratto diversi vantaggi dall’applicazione di strumenti di analisi automatica come quelli

appena descritti.

2.1.3.3.1 Prospettive possibili per l’analisi semiotica: un caso di studio

Vediamo quindi un caso di ricerca semiotica che avrebbe potuto trarre vantaggi

notevoli da un dialogo più florido con l’informatica. Il lavoro di ricerca in questione è

presentato in Cosenza, Colombari, Gasparri (2016), ma cercherò di parlarne in breve

anche qui per mostrare quali problemi di ricerca ancora aperti potrebbe risolvere il

98

ricorso parziale all’analisi automatica e semantica di corpora di testi digitali, in questo

caso visivi.

L’indagine, che ha richiesto oltre un anno di lavoro, consisteva nell’analisi

sistematica, la catalogazione e la categorizzazione di circa 8000 campagne pubblicitarie

(annunci stampa, affissioni, spot e banner), messe a disposizione sotto forma di testi

digitali da Nielsen Italia. Obiettivo di questo lavoro era descrivere, nel modo più

oggettivo e neutrale possibile, i modi in cui la pubblicità italiana rappresenta gli esseri

umani: espressioni facciali, posture, abbigliamento, stereotipi sociali, professionali e di

genere che incarnano, ma anche le storie a cui prendono parte, che presuppongono o

alle quali rimandano implicitamente. Nello specifico, l’analisi ha permesso di fare luce

sui principali stereotipi di genere attraverso cui la pubblicità italiana rappresenta gli

esseri umani e di verificare le principali differenze nei modi in cui sono rappresentati

gli uomini e le donne.

Pur avendo a nostra disposizione un database digitale già pronto, il primo

problema che abbiamo dovuto affrontare è stato adattare una metodologia

essenzialmente qualitativa, come quella che proviene dagli studi di semiotica della

pubblicità, a un corpus composto da migliaia di testi pubblicitari, per descrivere in

modo analitico i formanti figurativi55 riconoscibili. Questo tipo di analisi corrisponde a

ciò che Pozzato chiama “descrizione densa” (2013, p. 95) e implica già in sé fare una

prima ipotesi sugli stereotipi che tali formanti esprimono. Si tratta poi di verificare

queste prime ipotesi sugli altri testi del corpus e dar conto in termini percentuali di

quante volte lo stesso stereotipo si ripete. Perciò abbiamo:

(1) selezionato le pubblicità che includevano figure umane, escludendo quelle in

cui erano assenti;

(2) svolto una descrizione densa degli esseri umani rappresentati nei vari testi,

facendo caso ad esempio alle espressioni facciali, alla posizione dei corpi,

55 Secondo Greimas e Courtés (1979, voce “formante”) per formante si intende “una parte della catena del piano dell’espressione, corrispondente a un’unità del piano del contenuto e che – al momento della semiosi – le consente di costruirsi in segno”. Di conseguenza in semiotica, con formante figurativo si intendono le articolazioni del significante visivo-planare, cioè le unità discrete che formano gli oggetti riconoscibili, e quindi leggibili, nelle figure della rappresentazione (cfr. Greimas 1984; Marmo 2015).

99

all’abbigliamento, alle relazioni fra gli uni e gli altri e al contesto in cui sono

inseriti;

(3) fatto un’analisi semiotica e semantica dei testi verbali che accompagnano

ciascun visual56;

(4) formulato, annotato e archiviato in un database Excel57 una prima ipotesi su

ogni stereotipo di genere che ciascun testo pubblicitario esprimeva;

(5) organizzato in categorie gli stereotipi su cui man mano facevamo ipotesi e

inserito ciascuna pubblicità in una delle categorie identificate.

Un lavoro di queste dimensioni ha richiesto ovviamente tempi molto lunghi e

l’impegno combinato di più persone, ma ciò sarebbe stato sicuramente più semplice se

avessimo fatto appello ad alcuni strumenti informatici capaci di analizzare e in un

certo senso “interpretare” le immagini in questione. Se ad esempio avessimo avuto a

disposizione uno strumento capace di riconoscere in modo automatico le figure umane

nei testi pubblicitari del nostro corpus, non avremmo dovuto osservare

meticolosamente uno per uno tutti gli 8000 testi, per escludere quelli che non

contenevano figure umane.

Anche per quel che riguarda gli spot, e quindi gli audiovisivi, esistono sistemi di

Video Retrieval che possono essere usati in modo simile. Questi permettono di pre-

elaborare i dati video per identificarne l’organizzazione temporale-narrativa, allo

scopo di garantire un recupero veloce e preciso dell’informazione visiva all’interno di

grandi archivi multimediali (Montagnuolo 2005).

In alternativa, durante la ricerca sarebbe stato molto utile ricorrere a ciò che è

considerato uno dei pilastri del Web semantico: i metadati. Incorporare metadati alle

immagini e ai video della nostra banca dati avrebbe permesso di specificare, per ogni

testo, un contesto semantico in formato adatto all’interrogazione, l’interpretazione e

56 Con il termine visual si intende l’immagine che appare negli annunci stampa e nelle affissioni, considerate indipendentemente dai testi verbali che la accompagnano (headline, baseline, payoff e bodycopy). 57 Nel file Excel fornito da Nielsen Italia, per ogni pubblicità un campo specificava l’azienda, uno la marca e un terzo conteneva un link alla pubblicità, collegato in remoto al database di Nielsen Italia. A questi campi abbiamo poi aggiunto quelli contenenti i vari tratti semantici, marcati come presenti o assenti.

100

l’elaborazione automatica. Nel nostro caso i metadati sui testi pubblicitari avrebbero

dovuto riguardare informazioni come il marchio, la categoria di prodotto, il genere

delle persone che eventualmente appaiono, o la loro assenza. Ora, bisogna ammettere

che da un lato l’inserimento manuale dei metadati richiede a sua volta tempo di lavoro

umano. Dall’altro però, dopo un’osservazione veloce dei testi per estrarre le semplici

informazioni che servono alla metadatazione, gli studiosi possono interrogare in modo

intelligente le basi di dati e svolgere analisi semiotiche più complete delle immagini e

dei video selezionati automaticamente in base a criteri legati agli obiettivi di ricerca.

Grazie a questi espedienti, sarebbe stato possibile fare interrogazioni intelligenti alla

base di dati per passare più velocemente a indidviduare le categorie di stereotipi e

avere poi il tempo, di conseguenza, di fare un lavoro di analisi semiotica più

approfondito su ciascuno di essi – o di analisi comparativa tra pubblicità – che avrebbe

messo in luce in modo più dettagliato come ciascun testo rappresenta donne e uomini.

2.2 Semiotica per l’informatica e semantic Web

Finora abbiamo visto che l’analisi semiotica di grandi insiemi di testi in formato

digitale può essere facilitata e arricchita dall’uso di alcune applicazioni informatiche.

Dal punto di vista semiotico, però, l’informatica non va considerata solo come un

bacino da cui attingere per reperire strumenti utili alla raccolta e all’analisi dei dati,

ma come un settore a cui la semiotica può dare contributi rilevanti per lo sviluppo di

tecnologie più attente al significato che i dati hanno per gli esseri umani che li hanno

prodotti e per i contesti sociali (micro e macro) da cui i dati provengono.

In ambito informatico, il campo di studi più vicino alla semiotica è sicuramente

il Web semantico, ovvero l’area dell’informatica che da sempre affronta in modo

sistematico il problema dell’interpretazione e dell’organizzazione automatica del

significato dei dati distribuiti sul Web. In termini generali, il suo obiettivo è rendere

possibile il Web che già nel 2001 sognava il suo fondatore Tim Berners Lee58: non solo

un mezzo per favorire la collaborazione tra persone provenienti da tutto il mondo, a

58 Tim Berners Lee, informatico e fisico inglese nato nel 1955, fu il co-inventore, insieme a Robert Cailliau, del World Wide Web. Nel 1980 lavorò come consulente al CERN e sviluppò un software per lo scambio di informazioni tra i suoi centri che formò la base concettuale per il futuro sviluppo del Web.

101

cui tutti potessero accedere in modo intuitivo e immediato, ma uno spazio di

interoperabilità tra computer, dove le macchine potessero analizzare in modo

autonomo e automatico i dati disponibili sul Web, lasciando agli esseri umani la libertà

di offrire ispirazione e intuito (Berners Lee 2001).

Ma cos’è di preciso il Web semantico? E quali aspetti teorici e pratici lo

avvicinano alla semiotica?

2.2.1 Il Web semantico

Negli ultimi quindici anni abbiamo assistito al passaggio da un Web inteso come

“universo di informazione accessibile via rete fatto dalle persone per le persone” a “un

web su cui operano sempre più le macchine”, che comunicano tra di loro per darci

risposte utili e corrette (Della Valle et al. 2009, p. 3).

L’idea di Web semantico 59 si è sviluppata e diffusa grazie ad alcune

caratteristiche del Web recente. Negli ultimi anni esso ha infatti visto crescere

vertiginosamente il numero delle informazioni che contiene, il che ha reso le risorse

sempre più disorganizzate, frammentate, caotiche e quindi difficilmente raggiungibili

dagli utenti che ne hanno bisogno. Oggi quindi il Web non deve essere visto come un

archivio dotato di una struttura, ma come un insieme confuso di informazioni

difficilmente esplorabili. Le strategie a disposizione degli utenti per trovare le

informazioni che cercano sono fondamentalmente due, vale a dire la navigazione tra

pagine web per mezzo dei link e la ricerca di parole chiave con i motori di ricerca, ma

nessuna delle due è in grado di garantire risultati davvero completi ed efficaci. La

navigazione web che si fa passando da un link all’altro richiede molto tempo e non è

una pratica né puntuale, perché può richiedere di consultare molti siti web prima di

raggiungere la meta sperata, né facilmente ripetibile, perché il percorso necessario per

raggiungere una risorsa può essere dimenticato. In questo senso, ricorrere ai motori di

ricerca è la strategia migliore per cercare informazioni in rete, ma nemmeno questo

metodo è infallibile per alcuni limiti importanti dei motori di ricerca più diffusi

(Google in primis, cfr. Ippolita 2007, 2014), che ad esempio sono influenzati

59 Per approfondire, cfr. Antoniou, van Harmelen (2004); Della Valle et al. (2009); Szeredi, Lukàcsy, Benko (2014); Laufer (2015).

102

dall’ambiguità delle lingue naturali60 e non coprono tutta la profondità della rete (ad

esempio non indicizzano il cosiddetto Deep Web61).

Questo quadro chiarisce subito il ruolo fondamentale svolto dal semantic Web e

dalle tecnologie sviluppate in questo ambito, intese come strumenti attenti al

significato delle risorse e capaci di “comprendere” sia ciò che vuole l’utente, sia ciò che

è presente sul Web. Ma come è concretamente possibile tutto ciò?

Il World Wide Web Consortium (W3C)62, consorzio che sviluppa tecnologie e

linee guida per portare il Web al massimo del suo potenziale nel senso

dell’interoperabilità semantica, definisce il Web semantico come “Web of data”,

ovvero un ambiente web che contiene dati collegati tra di loro (i cosiddetti linked

data63). In questo senso, sono state sviluppate tecnologie che “consentono alle persone

di realizzare archivi di dati sul Web, creare vocabolari e scrivere regole per la gestione

60 Le lingue umane sono ambigue perché i lessemi che contengono possono avere più di un significato. Pensiamo ad esempio all’omonimia, cioè a parole che presentano più significati che non c’entrano nulla tra loro (per esempio “letto” che identifica sia il pezzo di arredamento sul quale si dorme sia il participio passato del verbo leggere) o alla polisemia, ovvero termini dotati di più significati che le parole hanno iniziato ad assumere per estensione del significato originario (per esempio il termine “penna” descrive il piumaggio degli uccelli ma, considerando che in passato serviva per scrivere, è usato anche per indicare la biro). 61 Il Deep Web, detto anche “Web sommerso”, contiene tutte le risorse non indicizzate dai motori di ricerca. Queste, secondo la definizione di Wikipedia, comprendono fra l’altro siti non ancora indicizzati, pagine web a contenuto dinamico, web software e siti privati aziendali. 62 Il W3C Consortium è un’organizzazione non governativa internazionale diretta da Tim Berners Lee che intende “guidare il Web fino al massimo del suo potenziale”. Per fare ciò stabilisce standard tecnici per il Web che, tra le altre cose, semplificano l’interazione uomo-informazioni e il modo di connettersi al Web (Wikipedia, pagina dedicata al W3C disponibile al link: https://it.wikipedia.org/wiki/World_Wide_Web_Consortium, consultato in data 12 settembre 2018. 63 I linked data rientrano tra le “buone pratiche” per pubblicare e collegare dati strutturati sul Web e sono strettamente connessi al concetto di Web semantico in quanto tecnologia fondamentale per la sua realizzazione (Guerrini, Possemato 2012). Essi sono dati leggibili dalle macchine, il cui significato è definito da una stringa di parole, e marcatori (la cosiddetta “tripla”, composta da un concetto univoco che ricopre il ruolo del soggetto, da un predicato che ne descrive alcune proprietà e da un oggetto che può essere il soggetto di un’altra tripla o un valore descritto da stringhe letterali e numeri). Ciò che rende i linked data così importanti è la possibilità di “costituire un reticolo di dati collegati appartenenti a un dominio e collegabili ad altri dataset relativi ad altri domini presenti sul Web” (Iacono 2014, p. 13).

103

dei dati”64, tra le quali troviamo ad esempio il modello RDF e il linguaggio di markup

OWL che supportano i linked data. Da un punto di vista pratico, infatti, il Web

semantico è stato fin dall'inizio inteso come “un insieme di linguaggi, schemi e

strumenti finalizzati alla marcatura e all'organizzazione dei contenuti del Web in

un'ottica di rete”, in modo tale che “le informazioni semantiche localizzate sui server

di molte parti del mondo possano interagire per produrre dinamicamente una

selezione “intelligente” di contenuti a seconda delle necessità del momento” (Gnoli,

Marino, Rosati 2006, p. 61).

Una delle nozioni fondamentali per comprendere cosa sia il semantic Web è

quella di metadato. Quando navighiamo sul Web, seguiamo link che portano a risorse

identificate univocamente da un URI (Uniform Resource Identifier)65. Le risorse, che sono

chiamate sia “documenti”, in quanto comprensibili da un interprete umano, sia

“oggetti” per sottolineare il loro essere leggibili dalle macchine, sono accompagnate

da informazioni che le descrivono: i cosiddetti metadati, ovvero le “informazioni,

comprensibili dalla macchina, relative a una risorsa web o a qualche altra cosa” che

“servono ai software agent per fare un uso appropriato delle risorse, rendendo più

semplice e veloce il funzionamento del Web [e] aumentando la nostra fiducia in esso”

(Signore 2002, p. 2). È proprio l’esistenza di queste descrizioni, che automatizzano la

nozione di metalinguaggio derivata dalla logica russelliana (Rastier 2013, p. 251), a

rendere i dati comprensibili dalle macchine. Il loro obiettivo è descrivere le risorse in

funzione di un dominio semantico strutturato logicamente in classi o concetti (come

ontologie, tassonomie e tesauri) (Lastrucci 2014) e possono comprendere titoli, autori,

topic, ma anche informazioni bibliografiche o relative all’organizzazione del testo (ad

esempio la sua suddivisione in porzioni separate). Queste informazioni machine-

understandable consentono agli agenti software di gestire la conoscenza sul Web,

creando e organizzando relazioni tra concetti tramite regole di inferenza: l’agente

intelligente definisce i rapporti tra i concetti attraverso modelli di rappresentazione

come alberi o catene e, così facendo, “risponde alla necessità di eliminare l’instabilità

64 Definizione di Web semantico consultabile nella sezione dedicata agli standard del W3C italiano: http://www.w3c.it/standard.html#semanticWeb, consultato il 12 settembre 2018. 65 Gli URI sono definiti come generici insiemi di tutti i nomi e gli indirizzi che compongono le sequenze di caratteri che fanno riferimento a una risorsa (Signore 2002).

104

dei fenomeni di polisemia, neosemia e ambiguità presenti nelle lingue naturali” (ivi,

p. 10).

Il semantic Web, quindi, tenta di dare una struttura al contenuto delle pagine

web, creando le condizioni per cui agenti e programmi software possano attraversarle

e portare a termine task più o meno sofisticati per gli utenti. Molte volte si dice che,

con l'impiego delle tecnologie del semantic Web, le macchine possono arrivare a

“capire il significato dell'informazione” (Della Valle et al. 2009, p. 30), anche se

ovviamente non si può parlare di processi interpretativi paragonabili a quelli umani.

Quando in questo ambito, dunque, parliamo di “significato” delle informazioni

distribuite in rete, stiamo parlando di metodologie e strumenti che permettono ai

computer di elaborare informazioni in modo più efficace e simile al ragionamento

umano. Questi strumenti potenziano il Web in due modi: da un lato agevolano il

recupero di informazioni da parte degli esseri umani in termini di precisione e velocità,

dall'altro permettono a programmi software, tra cui i motori di ricerca, di comprendere

e condividere con altri programmi software il significato dei documenti (Tomasi 2008).

Attualmente, la ricerca in questo ambito spazia dalle tecniche di estrazione,

strutturazione e riuso delle informazioni in un ambiente semantico (cfr. Ristoski P. et

al. 2016; Ismayilov et al. 2018), allo studio delle relazioni semantiche e delle query più

efficaci per i database strutturati (Mella et al. 2019), fino ad arrivare allo sviluppo di

lingue naturali controllate (CNLs) utili per l’acquisizione della conoscenza e il

successivo ragionamento automatico (Gao 2018).

2.2.2 Pertinenza semiotica del Web semantico

Già questa breve descrizione mostra che nell'ambito del Web semantico uno dei

principali obiettivi di ricerca sia comprendere quali tecniche e quali algoritmi

permettono di “capire” automaticamente il significato delle pagine web e di tutte le

risorse digitali che si trovano in rete. Poiché per Charles Sanders Peirce, uno dei padri

fondatori della semiotica, questa è “la dottrina della natura essenziale e delle varietà

fondamentali di ogni possibile semiosi” (CP 5.488), possiamo considerare il semantic

Web come una branca della semiotica, visto che, tra le altre cose, si occupa di processi

105

semiosici automatizzati o automatizzabili. Anche la definizione di semiotica che diede

Umberto Eco, un altro dei grandi padri fondatori della disciplina, conferma il pensiero

di Pierce e garantisce indirettamente la pertinenza semiotica del Web semantico. Per

Eco, infatti, la semiotica deve essere “capace di spiegare ogni caso di funzione segnica

in termini di sistemi soggiacenti correlati da uno o più codici” (1975, p. 13), e questo

concetto può essere esteso alla spiegazione di funzioni segniche in termini di micro-

teorie computazionali (Incardona 2012).

L'enorme lavoro fatto finora per realizzare il Web semantico ha d'altro canto

prodotto numerose discussioni filosofico-semiotiche su cosa significhi “dare

significato” a una pagina web. Come abbiamo visto, in ambito informatico la risposta

a questa domanda è stata data sotto forma di precise tecniche e metodologie finalizzate

all'implementazione di software. Questioni come questa però sono interessanti anche

dal punto di vista semiotico-filosofico. Partendo da queste premesse, Legg (2007) ad

esempio contrappone due concezioni filosofiche generali del significato – quella di

Descartes, che considera il significato come connesso alle intenzioni del suo

produttore, e quella di Peirce, che vede invece il significato come risultato del processo

di interpretazione di un segno – per mostrare come la scelta di uno dei due punti di

vista teorici porti a conseguenze concrete nel modo in cui gli sviluppatori decidono di

ingegnerizzare il semantic Web.

Anche la semiotica dei nuovi media non può ignorare il Web semantico come

possibile campo di studi. Già oltre quindici anni fa Blasi (2003) si interrogò sulla

necessità per la semiotica di tener conto degli aspetti tecnologici del Web semantico

nel momento in cui analizza pagine web, sottolineando come questi dovessero essere

scandagliati dalla semiotica per ottenere un quadro completo e il più possibile

oggettivo del significato dei documenti web. Rinunciando a questo tipo di analisi

infatti – osservava Blasi (2003) e a maggior ragione è oggi ancor più evidente – non

potremmo prendere in considerazione, ad esempio, l'influenza della codificazione

semantica nel percorso di reperimento e navigazione tra i testi, che svolge una

funzione paratestuale invisibile, né capiremmo le pratiche di produzione testuale

legate all'uso di ontologie, che fanno rientrare la classificazione e catalogazione dei

testi nel lavoro di progettazione degli stessi (pensiamo ad esempio all’uso degli hastag

per rendere i contenuti recuperabili).

106

La semiotica sembra quindi guardare al Web semantico come a un oggetto di

studio pertinente e degno di essere indagato da diversi punti di vista. Innanzitutto, la

sua esperienza nello studio dei processi umani di significazione le permette di

contribuire a garantire l'adeguatezza dei modelli formali implementati dagli

informatici per il Web semantico rispetto alla complessità dei fenomeni di senso che

questi modelli devono trattare, valutando limiti e possibilità degli strumenti

automatici per l'analisi dei testi che sono chiamati a elaborare.

La semiotica inoltre offre possibilità teoriche e concettuali allo sviluppo di

tecnologie semantiche: pensiamo ad esempio alla semiotica computazionale proposta da

Incardona (2012), che mostra come la disciplina possa essere considerata un serbatoio

di spunti per la progettazione di nuovi strumenti automatici di analisi dei testi.

Incardona (2012, p. 203) definisce la semiotica computazionale come “lo studio dei

fenomeni di significazione attraverso la costruzione di o la riflessione su intelligenze

artificiali o strumenti informatici per l'analisi e la produzione di contenuti”e cerca di

implementare alcuni metodi di analisi semiotica in strumenti automatici, ipotizzando

di usare l’analisi semiotica delle passioni66 per estendere la gamma di contenuti estratti

dalle procedure di sentiment analysis, che molto spesso offrono risultati che non vanno

oltre il positivo, negativo e neutro, e considerando il metalinguaggio della grammatica

narrativa di Greimas un ottimo strumento per il supporto di agenti artificiali che

interpretano e producono testi narrativi.

Ma l’aspetto qui più rilevante è la capacità della semiotica di indagare in

profondità il significato dei testi presenti sul Web, in questo caso per agevolare lo

sviluppo di strumenti informatici dotati di una conoscenza più simile a quella umana.

Solo analizzando sistematicamente grandi insiemi di testi che rappresentano

interpretazioni umane della realtà, è infatti possibile sviluppare applicazioni che

“sanno” come le persone percepiscono e usano ad esempio un luogo (ma anche un

oggetto qualunque) e la semiotica sembra essere una buona candidata per svolgere

questo compito. Con il primo caso di studio che presenterò spero di mostrare proprio

questo, chiarendo come l’analisi semiotica di una selezione di user-generated contents

66 Per approfondire la semiotica delle passioni, cfr. Greimas, Fontanille (1991); Pezzini (1991, 1998); Pozzato (2001, Cap. 15); Bernardelli, Grillo (2014, pp. 114-121).

107

possa arricchire la conoscenza degli strumenti semantici con informazioni legate alla

sfera percettiva ed esperienziale delle persone sugli spazi in cui agiscono, informazioni

che generalmente sono escluse dai processi di organizzazione della conoscenza.

2.2.3 Alcune potenzialità di una collaborazione multidisciplinare: analisi degli

user-generated content per organizzare la conoscenza di un luogo

Comprendere il modo in cui certi luoghi pubblici (come una piazza o una strada) e

privati (come la stanza di un hotel) sono esperiti dalle persone è utile sia per

svilupparli e modificarli in base alle esigenze di chi li utilizza, sia per scegliere

consapevolmente se recarvisi o meno. L’informatica può fare la sua parte in questo

ambito sviluppando applicazioni per la raccolta di osservazioni umane e strumenti che

ne tengano conto quando suggeriscono contenuti agli altri utenti. Questo punto di

vista, detto Human Sensor Web (Kauppinen et al. 2014, p. 1), va oltre il semplice

monitoraggio automatico di parametri tecnici legati allo spazio, come la temperatura

o il livello di umidità. L’attenzione è concentrata piuttosto sul modo in cui gli esseri

umani percepiscono, osservano, interpretano e, più in generale vivono, un luogo. Ciò

è possibile grazie alle tecnologie semantiche e ai cosiddetti linked data che permettono

di descrivere le esperienze delle persone in modo processabile.

Uno degli obiettivi più attuali in questo campo è capire come e dove raccogliere

le informazioni necessarie. A tal proposito, durante la Semantic Web Summer School

del 2016, tenutasi a Bertinoro dal 17 al 23 luglio, ho preso parte a un progetto intitolato

On Gathering Structured Human Observation. L’obiettivo principale del progetto era

creare modelli, vocabolari o applicazioni per supportare l’osservazione di certi luoghi

e delle attività che le persone vi svolgono. In altre parole, si intendeva rappresentare

in modo strutturato le configurazioni spaziali, per come sono percepite dalle persone,

e i fenomeni sociali che si manifestano al loro interno, come attività, interazioni e reti

sociali. Ciò è stato possibile perché l’osservazione e la percezione sono spesso una

combinazione di linguaggio naturale e voci categorizzabili, il che permette il loro

trattamento semantico.

Il compito del gruppo di ricerca con cui ho collaborato era integrare hard data,

come latitudine e longitudine, e soft data, cioè informazioni qualitative provenienti

108

dall’opinione e dalla percezione umana. Per fare ciò si dovevano progettare o testare

nuovi modelli di osservazione e analisi dei testi raccolti, fondamentali per estrarre i

dati utili alla rappresentazione spaziale. Con questo progetto abbiamo quindi tentato

di mettere in luce le potenzialità offerte dall’analisi semantica e semiotica, con l’idea

di estrarre dai testi – che in questo caso erano una selezione di commenti su

TripAdvisor – informazioni strutturabili che comprendessero anche dati provenienti

dalla cognizione umana. L’analisi semantica e semiotica dei testi raccolti ha infatti

permesso di individuare le principali isotopie, gli enunciatori, i valori e i concetti

fondamentali espressi dagli esseri umani sull’esperienza vissuta e sulla percezione dei

luoghi oggetto di analisi. Quando possibile, i concetti sono poi stati trasformati in triple

<soggetto, predicato, oggetto>, adatte all’implementazione ontologica. Il punto di

partenza è stato un vocabolario controllato chiamato EXPERIENCE e sviluppato dal

prof. Tomi Kauppinen dell’Aalto University che ci ha guidato lungo tutto il progetto.

2.2.3.1 Lo scenario della ricerca

La prima fase di lavoro del nostro team è stata un brainstorming in cui abbiamo deciso

su quali luoghi concentrarci e abbiamo definito lo scenario che avrebbe fatto da

contesto di riferimento all’analisi. Per prima cosa abbiamo stabilito l’oggetto di studio

dell’esperimento, cioè il Centro Universitario di Bertinoro e le aree circostanti, in

quanto luoghi dove si svolgono le attività di chi partecipa ai numerosi corsi di

formazione e specializzazione presso il Centro. Dopodiché, abbiamo immaginato un/a

potenziale studente/ssa che, interessato/a a uno di questi corsi, volesse ottenere

informazioni sulla scuola prima dell’iscrizione. Nello specifico, abbiamo ipotizzato che

questo/a studente/ssa volesse sapere se presso il Centro avrebbe trovato luoghi (al

chiuso o all’aperto) in cui potersi concentrare per lavorare e luoghi in cui potersi

divertire socializzando con i colleghi. Abbiamo scelto di focalizzarci sul lavoro e la

socializzazione perché sono le due attività più spesso praticate durante i corsi di

specializzazione. Ciò ci ha portato a ipotizzare il modo in cui un’applicazione

informatica potrebbe offrire queste informazioni basandosi su come altre persone

hanno percepito, interpretato e usato questi luoghi in precedenza, e ci siamo avvalsi

del vocabolario EXPERIENCE.

109

2.2.3.2 Il vocabolario EXPERIENCE

EXPERIENCE è un lightweight vocabulary che fornisce i termini per creare e rendere

processabili descrizioni delle esperienze riguardo all’ambiente 67 . Con questo

strumento è possibile ad esempio organizzare frasi che descrivano quanto un soggetto

percepisca come freddo, rumoroso o soleggiato un ambiente in un contesto definito da

una localizzazione nello spazio, da un riferimento temporale e dalle attività umane che

coinvolgono chi sta avendo l’esperienza.

Dal punto di vista informatico EXPERIENCE si basa sullo standard aperto RDF68,

consigliato dal W3C per la descrizione della conoscenza sul Web. L’uso di un computer

language (RDF/OWL) per la scrittura delle definizioni del nucleo di EXPERIENCE dà

la possibilità ai software di elaborare i termini del vocabolario e, di conseguenza, di

elaborare le esperienze descritte con EXPERIENCE. Tuttavia, esso è stato sviluppato

in modo da includere i termini del linguaggio naturale che le persone in genere usano

per descrivere le proprie esperienze o sensazioni quando si trovano in determinati

luoghi, permettendo ad esempio di esprimere le ragioni di un’esperienza e le sue

relazioni con spazi e tempi.

EXPERIENCE si compone di due tipi di classi, cioè le istanze del vocabolario, e

alcune proprietà che caratterizzano le classi. Le due classi sono:

• Experiencer: indica il soggetto che ha vissuto l’esperienza e ha fatto

l’osservazione.

• Experience: ciò di cui ha avuto esperienza l’Experiencer.

Alcune caratteristiche semantiche delle classi possono poi essere descritte con le

proprietà elencate qui di seguito:

• HasExperiencer: definisce chi ha avuto una certa esperienza.

67 Specifiche del vocabolario EXPERIENCE: http://linkedearth.org/experience/ns/, consultate il 12 settembre 2018. 68 Specifiche dello standard RDF pubblicate dal W3C: https://www.w3.org/RDF/, consultate il 12 settembre 2018.

110

• HasEventExperience: descrive un singolo evento esperito nell’ambito di

un’esperienza che lo contiene.

• HasLocation: illustra la localizzazione del luogo in cui è avvenuta l’esperienza.

• HasTime: dà informazioni sul momento in cui si è vissuta l’esperienza.

• HasReason: descrive le cause che hanno portato all’esperienza.

• HasActivity: descrive le attività umane che erano in corso durante l’esperienza.

• HasFollowingAction: descrive le azioni che hanno seguito l’esperienza.

Questo schema è usato per descrivere esperienze umane in un modo che sia

comprensibile alle macchine e nello stesso tempo abbastanza dettagliato. Vediamo

come.

Figura 16. Il team al lavoro sul progetto durante la pausa caffè.

La Fig. 16 ad esempio mostra una fotografia del team cui ho partecipato in un

momento di lavoro durante la summer school. EXPERIENCE permette di descrivere

l’esperienza di quel momento in questo modo:

expInstance1 rdf:type Experience; :hasTime"17:30"; :hasLocation :terrace ; :hasActivity :coffeeBreak, :work; :hasFollowingAction :dinner; :hasExperiencer :Emmanuel, :Haonan, Simona, Georg, Jennifer, Tomi; :hasQuality :positive.

111

Figura 17. Schema di descrizione dell'esperienza con EXPERIENCE.

Traducendo il linguaggio informatico in linguaggio naturale, comprendiamo che

EXPERIENCE permette di esprimere informazioni temporali sull’esperienza (erano le

ore 17.30), sul luogo in cui l’esperienza si è realizzata (il terrazzo del Centro

Universitario di Bertinoro), sulle attività che erano in corso (la pausa caffè e il lavoro

in team), sulle azioni che hanno seguito quel momento (la cena), sulle persone che

hanno partecipato (Emmanuel, Haonan, Simona, Georg, Jennifer, Tomi) e su come

questo momento è stato valutato dai protagonisti (valutazione positiva).

La stessa cosa si può fare per la descrizione degli spazi. L’esperienza

rappresentata dalla fotografia che stiamo usando come esempio si è svolta sul terrazzo

del Centro Universitario, che a sua volta può essere descritto da EXPERIENCE sotto

diversi aspetti.

: spaceInstance1 rdf:type Space; :hasName "Terrace"; :hasWalls :backWall , :leftSideWall; :hasFurniture :table , :chair; :hasDoorAccessTo :spaceInstance2; :hasView :countrySideView; :hasEquipment :coffeeMachine, :plug; :hasCharacteristic :FreshAir, :cozy.

112

Figura 18. Schema di descrizione dello spazio con EXPERIENCE.

Vediamo dunque che questo luogo ha un nome (terrace), alcuni muri che ne

rappresentano i confini (una parete in fondo e una laterale a sinistra), alcuni elementi

d’arredo (tavoli e sedie), una porta di accesso che dà verso un altro luogo

(spaceInstance2 corrisponde al corridoio), una vista (panorama collinare), una certa

attrezzatura a disposizione di tutti (una macchina del caffè e alcune prese di corrente)

e certe caratteristiche (è un luogo arieggiato e accogliente).

Già questo esempio mostra come la struttura del vocabolario possa servire a

descrivere in modo automatico luoghi ed esperienze solo se è “riempita” di contenuti

sotto forma di linked data. EXPERIENCE infatti supporta la descrizione delle

esperienze e delle caratteristiche dei luoghi collegandole a termini disponibili su

DBPedia 69 , che è la piattaforma collaborativa per l’estrazione e il riutilizzo di

informazioni semi-strutturate da Wikipedia. DBPedia fornisce gli URI linked data di

milioni di entità in tutti i domini del sapere e in questo modo mette in collegamento i

termini con le corrispondenti definizioni e informazioni presenti su Wikipedia, dando

una descrizione semantica dei dati.

Con queste premesse, l’obiettivo del progetto era testare nuove metodologie di

analisi qualitativa del testo per estrarre contenuti utili e strutturabili su come le

69 DBPedia italiana: http://it.dbpedia.org/, pagina consultata il 12 settembre 2018.

113

persone percepiscono e interpretano ciò che le circonda. Per questo si è pensato di

mettere alla prova la metodologia semiotica per analizzare una selezione di recensioni

al Centro Universitario di Bertinoro reperibili su TripAdvisor.

2.2.3.3 Corpus e analisi testuale

Il corpus che ho preso in esame è composto da tutte le recensioni relative al Centro

Universitario di Bertinoro che erano presenti su TripAdvisor nel luglio 2016. I 18 testi

in questione sono stati raccolti grazie a un semplice “copia-incolla” e sono stati inseriti

in una tabella Excel che contiene sia alcune informazioni fornite da TripAdvisor, sia i

risultati dell’analisi semiotica dei testi verbali (Appendice 6.1). La tabella include:

• La data in cui è stata pubblicata la recensione.

• Il tipo di viaggio di cui parla, in base alle possibilità di categorizzazione messe

a disposizione dalla piattaforma (in coppia, famiglia con bambini, famiglia con

figli adolescenti, amici, affari, da solo).

• Il voto complessivo dato alla struttura.

• Il titolo e il testo della recensione.

• Le eventuali immagini che la accompagnano.

L’analisi dei testi mi ha poi permesso di aggiungere:

• Alcune informazioni sulla semantica dei testi, ovvero le isotopie e i topic che li

caratterizzano.

• La valorizzazione espressa dai testi nei confronti dei diversi aspetti del Centro.

• Informazioni sul livello discorsivo dei testi, cioè i tipi di débrayage in gioco e,

quando possibile, i ruoli tematici dei soggetti enunciatori.

Per far comprendere meglio l’analisi dei contenuti, li trascrivo qui di seguito, mentre

rimando all’appendice per la tabella completa.

114

Hotel ricavato all'interno di un vecchio convento, in uno dei punti più alti di Bertinoro.

Sistemazione tattica per chiunque voglia visitare il castello o partecipi a uno dei tanti convegni

organizzati.

Nella parte alta del paese, vicino alla rocca, la residenza è situata in un antico convento, di cui

conserva tutto il fascino. Camere piccole (monacali, appunto!!), pulite e confortevoli in

un'atmosfera fuori dal tempo. Personale gentilissimo, abbondante prima colazione, connessione

wi fi ottima. Ampio parcheggio gratuito nelle immediate vicinanze. Unico neo: essendo

frequentato da studenti di tutto il mondo che convergono qui per masters e corsi di

specializzazione, a volte nella notte non è proprio silenzioso.

Terza volta che vengo in questo posto per congressi. Camere piccole con arredamento spartano

e molto rumorose. Si sente tutto dalle porte. Colazione a buffet abbondante e mensa nella media.

Come posizione si é molto vicini alla rocca non facile da raggiungere nei mesi invernali se c'è

molta neve.

Struttura in posizione splendida. Vecchio convento ottimamente restaurato. Camere molto

semplici. Nei bagni strani water-close con integrato biddet....un po’ vintage. Temo sia

INACCESSIBILE x chi ha problemi motori tante scale e salite senza ascensori.

La Rocca che domina la collina risale al X secolo, ed è uno degli esempi di restauro di maggior

pregio riconosciuti negli ultimi cinquant'anni dalla comunità europea.

I merli ghibellini rivivono gli antichi splendori, le volte tutt'ora affrescate osservano in silenzio

l'andirivieni di convegni e corsi di formazione, ed assistono al continuo scambio interculturale.

A partire dal cortile interno, fino ai sotterranei, il museo interreligioso aggiunge un enorme

grado di civiltà (ed annovera tra la sua collezione perfino un carboncino di Rembrandt).

La maggior parte delle stanze, piccole celle accoglienti, si trovano una decina di metri più in

giù, nella Foresteria, antico seminario della Diocesi di Bertinoro. Semplici, essenziali, umili.

Non sarà un servizio a cinque stelle, ma il risultato è gradevole ed originale.

Quando scende la sera, una sottile nebbia avvolge le mura spesse, e rende tutto ancora più

surreale e fiabesco. Un'esperienza unica, da rivivere e condividere.

115

Ho soggiornato per due fine settimana nella foresteria del CEUB, immersa nel verde, con una

veduta spettacolare e nella quiete più assoluta. Ero impegnata in un corso di formazione che si

è tenuto nelle sale affrescate della Rocca. I pasti venivano serviti nella mensa della foresteria e

sono stati abbondanti e della più radicata tradizione romagnola. Le camere da letto erano calde

e confortevoli nell' ex convento molto bello e ancora autentico. Bertinoro l'ho vista poco se non

di notte dopo il corso ed è un posto incantevole dove sicuramente ci sono molte cose da scoprire.

Consiglio il posto in toto.

Ho soggiornato in questa struttura in quanto partecipavo ad un meeting. Il posto è spettacolare

ottimamente ristrutturato nelle zone comuni. Le camere andrebbero rimodernate.... le stanze

della foresteria sono tutte singole o a 2letti.... evitate la poltrona letto (scomodissima). Ottima

la colazione, abbondante e variegata. Le tavolate invitano alla socializzazione. Il personale è

gentilissimo. Se avete la fortuna di avere una bella giornata, il panorama è meraviglioso e si

riesce a vedere il mare.

Grazie alla possibilità fornitami dalla mia Università, ho avuto la fortuna di visitare questo

luogo magico, medievale ed ancora vergine. Silenzio e quiete sono caratteristiche tipiche di

questo posto. Il centro residenziale conserva il ricordo di tempi passati: mura spesse, ornamenti

minimali e corridoi ampi. Non è un posto per villeggiare ma per riflettere e dedicare del tempo

allo studio e/o al lavoro. Un posto dove ritrovate se stessi.

L'arredo essenziale delle camere e l'aspetto spartano dell'intera struttura sono ampiamente

compensati dalla bellezza del luogo, in una posizione privilegiata sulla collina su cui sorge il

piccolo borgo di Bertinoro. Il posto ideale per immergersi totalmente in convegni e seminari,

con cellulare praticamente inservibile e un silenzio perfetto per la concentrazione (se si

escludono i cuculi notturni fuori dalla finestra e il russare dei vicini.... le mura della struttura

sono molto grosse e antiche, ma quelle tra le stanze un pochino meno). Colazione buona e pasti

self-service non eccelsi ma di livello accettabile. Personale estremamente cortese.

This accommodation is located on a large state on top of a hill, which is why one can get a rather

great view of the pleasant surrounding area. The room itself was very basic, yet that was fine

as I was just attending an event there for a few days..

116

The University Residential Centre is on the top of the hill - The mountain of Bertinoro. The

rooms in the castle have very beautiful paintings on the walls. There is the Dante's Balcony

with nice view to the highest hill - Monte maggio (350 m).

Tranquillo, spartano, come giustamente scrivono in molti, ma di fatto non manca nulla di

essenziale Posto ideale per studiare e meditare. Unica pecca: mi avrebbe fatto piacere una sedia

più comoda in camera, magari una poltrona. Quella che c'è scricchiola e sembra poco solida e

sul punto di spaccarsi. Prezzo molto conveniente, non so se a causa di una convenzione con gli

organizzatori di una conferenza

Ho passato due notti presso la foresteria del centro universitaria e sono abbastanza soddisfatta.

Dico "abbastanza" perché la camera era molto essenziale e quindi adatta solo a passarci la notte

però nonostante il servizio di pulizia quotidiana il pavimento era ancora sporco dall'occupante

precedente (capelli ovunque). Non per essere puntigliosa ma le piastrelle del pavimento della

stanza erano tutte rotte e decisamente inadatte per un interno. Per il resto l'armadio, il letto e

la televisione erano nuovi. Consiglio per il paesaggio dalla finestra e l'ambiente ma per quanto

riguarda gli alloggi si potrebbe migliorare. Personale in reception del tutto assente. di notte

molti miei colleghi sono stati disturbati da schiamazzi e non ci hanno saputo dare spiegazioni.

This is an interesting location, but it is not a good site for a conference. It's difficult to reach,

and it is not a good place for walking around. The rooms are just ok. On the positive side, the

service people are very helpful and attentive.

Stayed one night as part of a business trip. Obviously the most convenient option when you

have business in the centre itself. Good, helpful service for a University centre. Don't expect

anything lavish, with the single bed and the rather basic comfort. Still you have a decent

bathroom and free, reliable wi-fi. However, stunning views from Dante's Balcony alone are

worth the stay.

"O Brettinoro, ché non fuggi via,

poi che gita se n’è la tua famiglia

e molta gente per non esser ria?'

117

Il posto è suggestivo, sembra di stare in un monastero. Ma la cella, che di per sé è spaziosa,

manca di servizi essenziali, o meglio ci sono ma non sono funzionanti. Shampoo e saponi sono

al limite. L'asciugacapelli e il tv non funzionavano e la pulizia non era perfetta. Inoltre si

sentono tutti i rumori delle camere vicine. Non conosco il prezzo della camera per cui non posso

valutare il rapporto qualità-prezzo.

Frequento il centro universitario di Bertinoro da molti anni per Corso di Ultrasonologia

Vascolare che e' un appuntamento scientifico di rilevanza nazionale e ogni anno confermo

l'apprezzamento anche per la sede, assolutamente strategica per corsi intensivi dove e'

fondamentale poter lavorare con gli iscritti al corso in un ambiente accogliente oltre che

estremamente suggestivo. Le camere sia in Rocca che in foresteria sono per la maggior parte

essenziali nell'arredamento ma confortevoli, la qualità del cibo e' buona, le prime colazioni

abbondanti. La connessione Wi-Fi non sempre ottima, ma anche questo a volte può essere

vissuto come opportunità di concentrazione o relax

Sono stato ospite di questa residenza per un seminario di lavoro. Molto bello come posto,

favorisce molto la concentrazione. Il cibo può migliorare! Servizio molto disponibile! Le camere

sono molto semplici, andrebbero un po’ rinnovate.

2.2.3.4 L’organizzazione semantica

Per prima cosa ho individuato le isotopie presenti nei testi, per poi analizzarle e

categorizzarle sistematicamente con l’obiettivo di far luce sui dieci topic principali che

li caratterizzano. Greimas definisce l’isotopia come “un insieme ridondante di

categorie semantiche, insieme che rende possibile la lettura uniforme del racconto”

(1970, p. 198). L’isotopia quindi è un fenomeno semantico che “si può ricavare

esaminando i rapporti tra i termini che costituiscono un testo, o tra i loro componenti

semantici” (Marmo 2015, pp. 220-221). Al contrario dell’isotopia, il topic è un

fenomeno pragmatico che “consiste nell’individuare l’argomento o tema principale di

cui tratta un testo e che serve a delimitare o a disciplinare la fuga degli interpretanti”

(ivi, p. 221). Secondo Eco (1979) la parte espressa di un testo rappresenta la risposta a

una domanda non espressa che costituisce il suo topic. Quindi di fronte a un testo

bisognerà chiedersi di cosa sta parlando e si dovrà ipotizzare una risposta in base alle

118

categorie semantiche individuate. Questi passaggi mi hanno permesso di ipotizzare

una mappatura delle categorie semantiche in gioco e di organizzare le opposizioni in

gruppi basati sui topic individuati.

(1) “posizione geografica”

- luogo facilmente raggiungibile vs luogo difficilmente raggiungibile

- luogo accessibile per tutti vs luogo inaccessibile per alcuni

(2) “partecipazione a corsi e convegni”

- silenziosità vs rumorosità

- concentrazione vs distrazione

(3) “luogo storico/artistico”

- bellezza vs bruttezza

(4) “atmosfera”

- magia vs realtà

- fascino vs assenza di fascino

(5) “stanze”

- pulizia vs sporcizia

- silenziosità vs rumorosità

(6) “servizi”

- efficienza vs inefficienza

- nuovo vs vecchio

(7) “personale”

- cordialità vs ostilità

- presenza vs assenza

(8) “cibo”

- quantità vs scarsità

- buona qualità vs cattiva qualità

(9) “vista”

- bellezza vs bruttezza

(10) “prezzo”

- economico vs costoso

119

In primo luogo, l’analisi delle recensioni di TripAdvisor ha messo in luce la tendenza

a dare informazioni dettagliate relative alla posizione geografica in cui si trovano il

Centro Universitario e il paese di Bertinoro (ad esempio “This accommodation is

located on a large state on top of a hill”). Sulla localizzazione, inoltre, sono emerse

alcune perplessità degli utenti che, in certi casi, considerano questo posto

«difficilmente raggiungibile»70 (“rocca non facile da raggiungere nei mesi invernali se

c'è molta neve”) e in parte «inaccessibile» a chi ha problemi motori (“It's difficult to

reach, and it is not a good place for walking around“ e “Temo sia INACCESSIBILE x

chi ha problemi motori tante scale e salite senza ascensori”). Il luogo in questione,

infatti, si trova su una collina nel mezzo nelle campagne romagnole e, per

raggiungerlo, occorre necessariamente percorrere a piedi un lungo tratto in salita.

Il secondo topic riguarda invece le attività principali che si svolgono

normalmente presso il centro, cioè la frequenza a corsi di specializzazione o convegni.

Gli utenti descrivono questo luogo come molto adatto alle attività per cui è stato

recentemente progettato, soprattutto grazie al parziale isolamento del Centro e al

«silenzio» che lo caratterizza (“Silenzio e quiete sono caratteristiche tipiche di questo

posto”). Proprio questa assenza di rumore permette ai professionisti e agli studenti di

concentrarsi e studiare senza distrazioni (“Il posto ideale per immergersi totalmente

in convegni e seminari, con cellulare praticamente inservibile e un silenzio perfetto per

la concentrazione”).

In quasi tutti i testi analizzati inoltre, si fa cenno alla storicità del luogo che

sembra colpire molto chi lo visita. Il Centro Universitario, infatti, si trova in un castello

costruito intorno all’anno mille e recentemente restaurato in modo da riportare alla

luce la sua bellezza architettonica originale. Le sale in cui si tengono le lezioni sono

affrescate e i terrazzi panoramici destinati alle pause sono molto antichi e suggestivi.

Come se non bastasse, gli ospiti soggiornano presso l’antico seminario, che è stato

residenza vescovile dal 1817 al 1986, e quindi sono immersi in un’ambiente storico e

affascinante anche nei momenti di riposo. Ciò ci conduce al quarto topic individuato,

cioè all’atmosfera di questo luogo. Diverse recensioni parlano dell’aria densa di storia

70 Riprendo da Eco (1975) la convenzione per cui si marca fra due barre (/…/) il significante di una

parola e fra virgolette doppie basse («…») il suo significato, convenzione che nasce da quella linguistica

per cui si mettono fra due barre i fonemi.

120

che vi si piò respirare, definendo questa atmosfera «magica» e «suggestiva» (“ho avuto

la fortuna di visitare questo luogo magico, medievale ed ancora vergine”), soprattutto

in certi momenti della giornata (“Quando scende la sera, una sottile nebbia avvolge le

mura spesse, e rende tutto ancora più surreale e fiabesco”). Questo tipo di descrizioni

non fanno riferimento a particolari elementi urbani o architettonici ma alla situazione

sentimentale, sociale e culturale che troviamo in questo posto. Alle persone sembra di

essere proiettate nel passato, vivendo tuttavia esperienze attuali, “in un’atmosfera

fuori dal tempo”.

Torniamo ora agli aspetti più concreti che emergono dalle recensioni sul Centro

Universitario di Bertinoro. Quasi tutti i soggetti esprimono un’opinione sulle camere

in cui hanno soggiornato durante la visita, a volte contraddicendosi l’un l’altro in base

all’esperienza personale vissuta. Le stanze sono infatti definite in alcuni casi pulite e

silenziose e in altri sporche e rumorose. Ciò suggerisce che in questa struttura la cura

verso i dettagli sia solo parziale e il tipo di esperienza offerta agli ospiti dipende dal

caso. Le recensioni in cui le stanze sono definite sporche (ad esempio “nonostante il

servizio di pulizia quotidiana il pavimento era ancora sporco dall'occupante

precedente (capelli ovunque)” e “la pulizia non era perfetta”), si oppongono infatti a

diverse testimonianze in cui invece le camere sono descritte in modo positivo

(“Camere piccole (monacali, appunto!!), pulite e confortevoli” e “Le camere da letto

erano calde e confortevoli nell' ex convento molto bello e ancora autentico”). La

questione della rumorosità invece dipende sia dai muri poco spessi che separano le

stanze, sia dal comportamento di chi soggiorna nelle camere adiacenti (“di notte molti

miei colleghi sono stati disturbati da schiamazzi e non ci hanno saputo dare

spiegazioni”).

Al topic “stanze” si affianca ovviamente quello dei “servizi” a disposizione degli

ospiti. L’«efficienza» dei servizi presenti nelle camere viene più volte messa in

discussione notando ad esempio che il televisore e l’asciugacapelli non erano

funzionanti o che le piastrelle del pavimento erano rotte (“la cella, che di per sé è

spaziosa, manca di servizi essenziali, o meglio ci sono ma non sono funzionanti”). Qui

compare anche l’opposizione semantica «nuovo» vs «vecchio», soprattutto in

riferimento a ciò che si trova all’interno delle camere. Più volte infatti si consiglia di

rinnovarle per fornire ai clienti servizi e strumenti funzionanti e più recenti (ad

121

esempio “Le camere sono molto semplici, andrebbero un po’ rinnovate” e “Le camere

andrebbero rimodernate.... le stanze della foresteria sono tutte singole o a

2letti....evitate la poltrona letto (scomodissima)”).

Per quanto riguarda il personale, per prima cosa entra in gioco l’opposizione

semantica «cordialità» vs «ostilità». Chi lavora presso il Centro Universitario di

Bertinoro è descritto da tutti gli autori come cordiale e ospitale (ad esempio “Il

personale è gentilissimo”; “Personale estremamente cortese”; “the service people are

very helpful and attentive”). Tuttavia, si lamenta una scarsa «presenza» di personale

soprattutto alla reception del seminario dove risiedono i clienti (“Personale in

reception del tutto assente”).

Proseguendo notiamo che l’argomento “cibo” è trattato più volte nelle recensioni,

probabilmente anche a causa delle linee guida fornite da TripAdvisor per scrivere

recensioni utili e interessanti per gli altri utenti (Cap. 1, § 1.4.1.3). Il cibo servito presso

il Centro è definito come «abbondante» e di «buona qualità» (“la qualità del cibo è

buona, le prime colazioni abbondanti”; “abbondante prima colazione”; “I pasti

venivano serviti nella mensa della foresteria e sono stati abbondanti e della più

radicata tradizione romagnola.”). Neanche in questo caso però il parere è unanime e

alcuni soggetti vedono un margine di miglioramento anche per quel che riguarda le

pietanze servite (“Il cibo può migliorare!”; “Colazione buona e pasti self-service non

eccelsi ma di livello accettabile”; “Colazione a buffet abbondante e mensa nella

media”).

Arriviamo ora a un altro elemento che compare di frequente nelle recensioni

analizzate, cioè la «bellezza» della vista offerta dai terrazzi e dalle finestre del castello

e del seminario. Il panorama è senza dubbio uno dei principali punti di forza del luogo,

che spesso in una singola recensione è criticato sotto certi aspetti, per poi essere

rivalutato grazie alla spettacolare veduta sulla campagna romangola (“Don't expect

anything lavish, with the single bed and the rather basic comfort. Still you have a

decent bathroom and free, reliable wi-fi. However, stunning views from Dante's

Balcony alone are worth the stay”; “L'arredo essenziale delle camere e l'aspetto

spartano dell'intera struttura sono ampiamente compensati dalla bellezza del luogo,

in una posizione privilegiata sulla collina su cui sorge il piccolo borgo di Bertinoro”).

122

L’ultimo topic individuato, cioè quello del rapporto qualità-prezzo della

struttura, sembra trarre le fila del discorso fatto finora. Chi affronta l’argomento tende

ad accettare di buon grado alcune delle criticità riscontrate, a fronte di un prezzo

economico per il pernottamento (“Prezzo molto conveniente, non so se a causa di una

convenzione con gli organizzatori di una conferenza” e “Obviously the most

convenient option when you have business in the centre itself”). Ciò nonostante, in

questo caso il numero di recensioni che affronta il discorso del prezzo è inferiore

rispetto a quello che troviamo normalmente nelle pagine di TripAdvisor relative ad

altre strutture ricettive. Ciò è probabilmente dovuto al fatto che spesso gli

organizzatori delle conferenze alle quali partecipano gli ospiti si occupano di tutti gli

aspetti economici dell’organizzazione. Per questo troviamo recensioni come “Non

conosco il prezzo della camera per cui non posso valutare il rapporto qualità-prezzo”

e numerosi commenti in cui il costo del pernottamento non è neppure citato.

2.2.3.5 Livello discorsivo: aspetti enunciativi, punti di vista e ruoli tematici

Dopo aver proposto una mappatura semantica dei testi per fare chiarezza sugli

argomenti trattati dagli utenti che hanno visitato Bertinoro, passiamo ora al livello

discorsivo, cioè il livello immanente più concreto e vicino alla manifestazione testuale

(Pozzato 2001, Capp. 7-8-9). Dal punto di vista enunciativo si nota una netta

predominanza di débrayage enunciativi, cioè discorsi impostati per essere il più

possibile impersonali. Anche se in alcuni casi i testi iniziano con un débrayage

enunciazionale (cioè con il discorso in prima persona) per introdurre quella che è a

tutti gli effetti un’esperienza personale, essi proseguono in modo da creare un effetto

di discorso oggettivo, che conduce a un effetto di realtà. Forse a causa delle direttive

date da TripAdvisor (§ 1.4.1), in molti casi le recensioni assomigliano molto a

descrizioni impersonali dei luoghi, fornendo informazioni almeno apparentemente

imparziali e spassionate.

Anche il punto di vista concorre a questo effetto di oggettività. Gli osservatori,

cioè i soggetti cognitivi installati dall’enunciante grazie alle procedure di débrayage

(Greimas e Courtés 1979, voce “osservatore”), sembrano avere soprattutto una

funzione valutativa, cioè un punto di vista che riguarda il giudizio critico, l’opinione

123

e l’investimento di valore di un soggetto. Nella maggior parte dei casi l’osservatore

getta sulla scena il suo “occhio critico” (Pozzato 2001, p. 88): nel testo raramente

compaiono soggetti che assumono esplicitamente su di sé le valutazioni, le quali di

conseguenza sono da ascrivere all’enunciatore.

Tutti gli attori che compaiono nei testi, e che ricoprono il ruolo attanziale di

soggetto, sembrano inoltre ricoprire il ruolo tematico del professionista o dello studente,

oltre a quello dell’ospite di una struttura ricettiva. Ciò è sicuramente dovuto alle

funzioni del Centro Universitario e della Foresteria, ma fornisce informazioni solo da

un singolo punto di vista, cioè quello di chi frequenta questi luoghi per motivi di studio

o lavoro. Il presente corpus testuale quindi presenta un limite non essendo in grado di

dirci come il luogo in questione sarebbe valutato da turisti o semplici visitatori della

località romagnola.

2.2.3.6 Un esempio di strutturazione dei risultati

Per ragioni di tempo (la Summer school è durata una settimana e, oltre alla

realizzazione di questo progetto, prevedeva la frequenza a lezioni e la collaborazione

a mini-progetti di durata giornaliera) non sono stati trasformati tutti i risultati

dell’analisi testuale ma solo una minima parte di essi. D’altra parte, obiettivo del

progetto non era implementare uno strumento concreto e utilizzabile, ma mostrare

come l’analisi semiotica possa servire a estrarre informazioni sul significato dei testi,

utili anche alle macchine per definire semanticamente i luoghi e le esperienze che si

realizzano al loro interno.

Vediamo ora un esempio di analisi e strutturazione di parte dei risultati per

mostrare come essi possano essere rielaborati e resi adatti alla descrizione semantica

automatica.

124

Figura 19.

Da un punto di vista discorsivo notiamo un primo débrayage enunciazionale, cioè un

discorso in prima persona che spiega le ragioni dell’esperienza del soggetto

enunciatore. Successivamente troviamo invece una serie di valutazioni sul luogo e la

struttura presentate sotto forma di discorso oggettivo grazie all’uso di débrayage

enunciativi (ad esempio “Le tavolate invitano alla socializzazione” e “Il personale è

gentilissimo”).

L’analisi semantica del testo mi ha permesso invece di individuare le isotopie che

seguono:

«lavoro» (“partecipavo ad un meeting”);

«bellezza» (“posto spettacolare”, “ottimamente ristrutturato”, panorama

meraviglioso”);

«camere vecchie», «camere scomode», «migliorabilità» (“le camere andrebbero

rimodernate”, “poltrona letto scomodissima”);

«socialità» (“le tavolate invitano alla socializzazione”);

«cortesia» (“personale gentilissimo”);

«panorama» (“il panorama è meraviglioso e si riesce a vedere il mare”).

125

Non tutte le isotopie individuate sono interessanti dal punto di vista del progetto che

volevamo realizzare. Ricordiamo infatti che il suo obiettivo era estrarre informazioni

dai testi capaci di definire le diverse aree del Centro Universitario in base al loro essere

adatte al lavoro e alla socializzazione tra colleghi. Di conseguenza alcune delle isotopie

sono più utili delle altre e possono funzionare come punto di partenza per definire e

descrivere in modo automatico il luogo.

In primo luogo, ad esempio, nel testo è valorizzata positivamente l’isotopia

«socialità» in riferimento alle stanze in cui sono consumati i pasti. Ciò permette di

organizzare attraverso EXPERIENCE la parte dell’esperienza dell’utente capace di

dare informazioni sui luoghi percepiti come più adatti alla socializzazione.

:expInstance1 rdf: type Experience;

hasLocation :lunchroom;

hasActivity :lunch;

hasQuality :positive;

hasReason :bigTables; :socialization.

Questa microesperienza ha un luogo (la sala da pranzo), un’attività (il pranzo), una

valorizzazione (positiva) e una ragione per questa valorizzazione (la presenza di

grandi tavoli che favoriscono la socializzazione tra colleghi).

Un altro aspetto dell’esperienza, questa volta valorizzato negativamente,

potenzialmente strutturabile per mezzo di EXPERIENCE riguarda la scomodità della

poltrona letto.

:expInstance2 rfd:type Experience;

hasLocation :bedroom;

hasActivity :rest;

hasQuality :negative;

hasReason :bed.

126

In questo caso l’esperienza riguarda una stanza da letto, presenta un’attività principale

(il riposo), una valorizzazione negativa e una motivazione, cioè la scomodità del

divano letto messo a disposizione dall’albergo.

Se implementata, la prima esperienza può servire a rispondere a una delle

domande del nostro progetto sui luoghi migliori in cui fare amicizia e trascorrere il

proprio tempo libero. Il secondo esempio invece può essere utile sia per i potenziali

avventori che possono scegliere o meno di soggiornare nella struttura a causa delle sue

criticità, sia per chi gestisce la struttura stessa, che può ottenere in modo automatico

informazioni dettagliate sulle sue reali condizioni, senza svolgere lunghe analisi dei

feedback.

Vediamo infine un altro esempio in cui i risultati dell’analisi semantica

permettono di strutturare informazioni anche sul luogo in cui l’esperienza si è

realizzata.

Figura 20.

La frase “There is the Dante’s Balcony with nice view to the highest hill – Monte

Maggio (350 m)” descrive un’esperienza vissuta su un terrazzo del Centro

Universitario e può essere tradotta in questo modo:

:experienceInstance1 rdf:type Experience;

:hasLocation :terrazza;

:hasEventExperience :nice.

127

:terrazza rdf:type Experience;

:hasView :countrySideView.

In questo caso vediamo che l’esperienza vissuta dal soggetto permette anche di

strutturare informazioni sul luogo in cui si è realizzata, ovvero il terrazzo cosiddetto

Balcone di Dante, famoso proprio per la sua spettacolare vista sulle colline.

2.2.3.7 Limiti e prospettive

Ovviamente non ho potuto trasformare e usare tutte le osservazioni ricavate

dall’analisi semiotica dei testi perché EXPERIENCE non è un linguaggio abbastanza

espressivo per farlo. Il vocabolario ad esempio non permette di organizzare le

informazioni ottenute con un’analisi delle emozioni espresse nei testi, perché non

include la proprietà hasEmotion. Tuttavia, l’analisi si è dimostrata utile per:

• dare una descrizione più completa dei luoghi e delle esperienze per descrivere

uno “spazio vissuto”, e non solo uno spazio definito da informazioni rilevabili

automaticamente come la temperatura o il livello di umidità;

• identificare gli elementi dello spazio che hanno un ruolo fondamentale nelle

esperienze umane, ad esempio la bellezza della vista panoramica o la scomodità

di alcuni pezzi di arredamento;

• ipotizzare elementi e relazioni che potrebbero e dovrebbero essere inserite nel

vocabolario.

Un lavoro di analisi e di trasformazione dei risultati come quello appena visto può

permettere lo sviluppo di diverse applicazioni informatiche. Si possono immaginare,

ad esempio, strumenti che suggeriscono ristoranti e strutture ricettive che rispondano

a richieste molto particolari, ma anche mappe alternative come la “happy map”71

71 Il progetto “heppy maps”, che è stato presentato nel 2014 durante un TED Talk: http://goodcitylife.org/happymaps/index.php, consultato il 12 settembre 2018, vuole creare mappe urbane basate su come le persone vivono psicologicamente l’ambiente cittadino.

128

ideata dal gruppo di ricerca Good City Life72. Questa mappa di Londra propone non

solo i percorsi più brevi per raggiungere una certa destinazione come farebbe Google

Maps, ma suggerisce anche i percorsi che sono considerati più “felici” o “tranquilli”,

secondo quanto emerge dall’analisi (in questo caso automatica) dei giudizi dati dalle

persone attraverso un gioco online. I partecipanti a questo gioco hanno osservato

alcune fotografie di diverse zone della città e hanno scelto quelle che a loro parere

erano le più belle, tranquille e felici. La mappa è stata creata in base ai risultati

(composti da immagini geo-localizzate e relativi metadati), in modo da proporre una

cartografia alternativa basata sulle opinioni e le emozioni espresse dai cittadini.

Il progetto a cui ho partecipato mostra solo alcune delle potenzialità che l’analisi

semiotica può offrire alla creazione di tecnologie semantiche per organizzare la

conoscenza dei luoghi e delle esperienze umane: il poco tempo che avevo a

disposizione nel mio periodo di permanenza al Centro di Bertinoro mi ha portato

infatti ad analizzarlo solo attraverso alcuni user-generated contents che lo riguardavano,

senza integrare l’analisi con una fase di osservazione sul campo che mi permettesse di

rilevare come le persone vivono e agiscono in quei luoghi. Secondo la mia ipotesi, che

cercherò di validare durante l’analisi della strada di Amsterdam (Cap. 4), lo studio

delle pratiche umane può offrire molte altre informazioni su come le persone vivono

e percepiscono i luoghi. Solo integrando un’osservazione partecipativa di stampo

etnosemiotico all’analisi dei dati digitali ci si può fare un’idea sull’identità di un luogo

e su come questo è interpretato e fruito dalle persone che lo frequentano.

2.3 Conclusioni

Abbiamo visto che studiare fenomeni sociali e culturali, o luoghi come nel mio caso,

attraverso insiemi di dati digitali porta il/la semiologo/a a lavorare con numeri

importanti di testi. Questa è una novità per la semiotica, ben più avvezza a studiare

singoli testi o corpora di dimensioni ridotte, e crea diverse difficolta, legate al

72 Good City Life è composto da Rossano Schifanella, informatico dell’Università di Torino, Luca Maria Aiello, computational social science researcher del Nokia Bell Labs di Cambrige e da Daniele Quercia, informatico che si occupa di urban computing e che, dopo aver lavorato come ricercatore senior presso il Computer Laboratory dell’Università di Cambridge, ricopre il ruolo di Deparment Head presso il Nokia Bell Labs.

129

reperimento, allo stoccaggio e all’analisi qualitativa di grosse quantità di testi in

formato elettronico.

In questo capitolo ho tentato di mostrare che, per risolvere questi problemi, è

necessario dialogare con l’informatica, che offre nozioni, strumenti e tecnologie capaci

di recuperare, organizzare e gestire grandi quantità di testi potenzialmente

interessanti.

Ho quindi svolto una ricognizione sistematica delle tecnologie che potevano

essere utili all’analisi semiotica e ho approfondito tre categorie di strumenti informatici

utili per chi vuole indagare il significato degli user-generated contents.

In particolare, ho mostrato come gli strumenti per la social media analysis

permettano di costruire velocemente i corpora testuali e di analizzare, soprattutto

quantitativamente, i dati presenti sui social network. Alcuni dei risultati che emergono

dall’uso di questi software sono un buon punto di partenza per lo studio semiotico dei

testi: basti pensare alle word clouds generate automaticamente, che permettono di

identificare con facilità le principali aree semantiche in gioco.

Ho valutato inoltre le potenzialità degli strumenti sviluppati dalla Digital

Methods Initiative dell’università di Amsterdam per fare ricerca sul Web, tra i quali

Instagram Hashtag Explorer mi è servito a costruire il corpus dei contenuti Instagram

che vedremo nel Cap. 4.

Dopodiché, ho preso in considerazione alcune tecnologie definite in informatica

“semantiche” perché tengono conto anche del significato dei testi che elaborano, e non

solo della loro organizzazione sintattica (che in semiotica chiamiamo “piano

dell’espressione”). L’uso di motori di ricerca più o meno arricchiti di capacità

semantiche è ad esempio imprescindibile per raccogliere in modo organizzato ampi

corpora testuali, mentre gli strumenti informatici di Sentiment Analysis possono aiutare

il/la semiologo/a che intende indagare la categoria timica dei testi.

L’informatica infine non si limita a fornire strumenti semantici per la raccolta e

l’analisi di testi verbali, ma mette a disposizione anche risorse per l’analisi automatica

delle immagini diffuse in rete. Le tecniche informatiche di Image Analysis permettono

infatti di organizzare e classificare grossi archivi di audiovisivi, descrivendone il

contenuto con modelli matematici che tentano di simulare il sistema visivo umano. A

tal riguardo, ho tentato di mostrare l’utilità di questi strumenti durante una ricerca

130

semiotica su un grande corpus di testi pubblicitari a cui ho collaborato nel 2014, ricerca

che avrebbe potuto trarre vantaggi notevoli dall’uso di strumenti informatici e

semantici.

Tuttavia, le potenzialità offerte da un dialogo sistematico fra semiotica e

informatica non finiscono qui, perché la stessa informatica, soprattutto per quel che

riguarda il campo di studi sul semantic Web, può ottenere diversi vantaggi dal

confronto con la semiotica. L’esperienza della semiotica nello studio dei processi di

significazione le permette innanzitutto di comprendere e valutare l’adeguatezza dei

modelli del Web semantico rispetto alla complessità dei fenomeni di senso che cercano

di elaborare. La disciplina può inoltre offrire numerosissimi contributi e spunti allo

sviluppo di strumenti automatici di analisi dei testi (si pensi al tentativo di fondazione

della semiotica computazionale proposto da Incardona 2012).

La semiotica infine fornisce strumenti e metodologie di analisi che permettono di

studiare in profondità il significato dei testi digitali, estraendo informazioni che

possono servire anche alle macchine per simulare la conoscenza umana. A questo

proposito, ho presentato il mio primo caso di studio, che consiste in un tentativo di

collaborazione multidisciplinare tra semiotica e informatica. La ricerca in questione, a

cui ho collaborato durante la Semantic Web Summer School del 2016 tenutasi a

Bertinoro, aveva come obiettivo una rappresentazione strutturata delle configurazioni

spaziali che seguisse il modo in cui sono percepite e vissute dalle persone. Per ottenere

informazioni su come il Centro di Bertinoro è stato interpretato e valutato da chi lo ha

frequentato e vissuto, ho analizzato semioticamente un corpus di recensioni su

TripAdvisor. Ho quindi trasformato e organizzato parte dei risultati usando il

vocabolario EXPERIENCE, sviluppato da Tomi Kauppinen dell’Aalto University. Con

questo caso di studio, insomma, ho cercato di mostrare le potenzialità dell’analisi

semiotica per facilitare lo sviluppo di diverse applicazioni informatiche, tra le quali ci

sono tutti gli strumenti che suggeriscono luoghi e attività, in un certo spazio, in base a

richieste specifiche, o mappe alternative che danno informazioni su come le persone

percepiscono, vivono e valutano determinati luoghi.

131

CAPITOLO 3

La semiotica e lo studio dello spazio urbano

In questo capitolo passerò in rassegna lo stato dell’arte degli studi semiotici sullo

spazio, focalizzando l’attenzione su quello urbano. Il capitolo presenterà le premesse

teoriche e metodologiche su cui mi sono basata durante la realizzazione del caso di

studio principale di questa tesi (Cap. 4).

Nel § 3.1 ripercorrerò in breve le origini della ricerca semiotica sul significato

spaziale, partendo dai primi studi sul tema (cfr. Greimas 1976 e Barthes 1985) e

arrivando ai contributi più recenti, riconducibili alla cosiddetta “semiotica urbana”

(cfr. Hammad 2003; Volli 2005; Marrone, Pezzini 2006, 2008; Bonori 2006; Sedda,

Cervelli 2006; Leone 2009; Pezzini 2009; Mazzucchelli 2010; Giannitrapani 2013;

Marrone 2013; Pezzini, Savarese 2014; e altri).

Nel § 3.2 tenterò di chiarire in che senso la semiotica considera lo spazio urbano

come un testo analizzabile: quali caratteristiche dello spazio permettono al/la

semiologo/a di trattarlo come se fosse un testo? E quali differenze sostanziali ci sono

tra il concetto di testo, come è tradizionalmente inteso, e il testo spaziale? In questa

sezione vedremo quali mosse teoriche e metodologiche permettono al/la semiologo/a

di indagare gli spazi urbani partendo da alcuni strumenti di analisi già assodati

nell’ambito della disciplina.

Successivamente (§ 3.3), approfondirò un assunto che sembra universalmente

accettato in ambito semiotico: il senso della città è dato dall’incontro tra lo spazio

urbano e i suoi abitanti (cfr. Basso 2005; Volli 2005; Pozzato, Demaria 2006).

Sulla base di questo principio ho progettato l’analisi di un’area urbana tenendo

conto del modo in cui i cittadini ne interpretano e usano gli spazi. Più precisamente,

durante un soggiorno di ricerca presso il Citizen Data Lab dell’Hogeschool van

Amsterdam (§ 3.3.1), ho collaborato al progetto Mapping Amsterdam (§ 3.3.2),

analizzando semioticamente una strada della capitale olandese chiamata

132

Wibautstraat, sfortunatamente celebre in città per diversi problemi di inquinamento e

vivibilità (Cap. 4).

Prima di concludere il capitolo, metterò in luce i presupposti metodologici

principali della mia analisi (§ 3.3.4), che comprende sia lo studio di un numero molto

elevato di testi digitali prodotti dai cittadini e relativi alla loro esperienza urbana lungo

la via, sia un periodo di osservazione di ispirazione etnosemiotica sulle pratiche

urbane che vi si realizzano.

3.1 Semiotica e spazio urbano

Tra i primi autori a proporre un modello d’analisi dello spazio inteso come sistema

significante, troviamo Greimas con il suo saggio fondativo sulla semiotica topologica

(Greimas 1976). A partire da questo lavoro, in ambito semiotico si è iniziato a

considerare lo spazio come un linguaggio dotato di una propria significazione (Violi

2009) o, in altre parole, come qualcosa in grado di parlare di altro da sé, alla stregua

dei segni. In questo senso, lo spazio ricopre il ruolo di soggetto dell’enunciazione che

produce discorsi sulla comunità che lo abita, pur essendo anche un testo enunciato da

istituzioni e cittadini che lo progettano e modificano ogni giorno. In quanto linguaggio,

lo spazio è inoltre dotato di due piani: un piano del contenuto, che comprende il senso

e i valori che i soggetti attribuiscono allo spazio, e un piano dell’espressione che

riguarda invece l’estensione spaziale (Hjelmslev 1943; Marrone 2001b) e comprende

elementi estremamente eterogenei (le caratteristiche del territorio, gli elementi di

arredo urbano, le automobili, i cittadini e così via). La semiotica topologica proposta

da Greimas (1976, p. 127) consiste quindi nella descrizione, produzione e

interpretazione di questi linguaggi spaziali per mostrare come, grazie a essi, “una

società significa se stessa a se stessa”. In questo senso l’obiettivo del/la semiologo/a è

duplice: da un lato iscrive la società nello spazio e, dall’altro, legge e interpreta la

società attraverso lo spazio (ivi, p. 129). Nel suo scritto però, Greimas non si limita a

occuparsi dello spazio in generale ma si concentra sulla leggibilità di uno spazio

specifico da lui chiamato oggetto-città. In questo modo pone le basi per lo sviluppo di

una semiotica urbana volta a disarticolare le parti costitutive di questi oggetti complessi

e polisemici per indagarne il senso complessivo. Grazie all’analisi dell’oggetto-città,

133

che non corrisponde all’analisi di una città in particolare, l’autore ne illustra il carattere

pluri-isotopo 73 e ipotizza diversi progetti di grammatica utili a comprendere il

linguaggio urbano.

Un altro contributo importante per lo sviluppo di una semiotica urbana lo ha

offerto Barthes, che nel 1967 dedicò un intero saggio al rapporto possibile tra

semiologia e urbanistica (cfr. Barthes 1985, pp. 51-59). In linea con Greimas, Barthes

considera qualsiasi spazio umano come significante e descrive la città come un

discorso basato su un linguaggio: “la città parla ai suoi abitanti, noi parliamo la nostra

città, la città in cui ci troviamo, semplicemente abitandola, percorrendola,

osservandola” (Barthes 1985, p. 53). Il punto di vista barthesiano prende le mosse dagli

studi svolti da Lévi-Strauss negli anni ‘30 (Lévi-Strauss 1955) su un villaggio Bororo, i

cui spazi sono stati analizzati in prospettiva semantica. L’osservazione della

configurazione degli spazi e delle strutture presenti nel villaggio ha permesso di fare

chiarezza sull’articolazione simbolica della sua spazialità, considerando la

disposizione spaziale come il piano dell’espressione di un linguaggio dietro al quale

c’è una vera e propria semantica.

Bisogna ammettere però che quello che è chiamato metaforicamente “il

linguaggio della città”, pur essendo leggibile e interpretabile da chi la abita, non

presenta rapporti fissi tra gli elementi del piano dell’espressione che la semiotica

individua e i loro significati, essendo questi sempre imprecisi e ridiscutibili. Di

conseguenza, il lavoro del/la semiologo/a, secondo Barthes, consiste nel “dissociare

il testo urbano in tante unità, nel distribuire poi queste unità in classi formali, e in terzo

luogo nel trovare le regole di combinazione e di trasformazione di queste unità e di

questi modelli” (Barthes 1985, p. 53). In altre parole, si deve cercare di ricostruire il

lessico delle varie possibili significazioni di una città tenendo conto delle

caratteristiche e delle funzioni dei diversi luoghi al suo interno, senza però fissare in

73 Greimas parla dell’oggetto-città come di uno spazio costruito da un’isotopia “estetica” (bellezza e bruttezza), un’isotopia “politica” (salute sociale e morale) e una “razionale” (inerente ad esempio all’efficacia funzionale e all’economia dei comportamenti). Queste tre isotopie permettono di classificare gli oggetti costitutivi dello spazio urbano e di rendere “non ambigui gli effetti polisemici di volta in volta esaminabili entro parecchie isotopie” (Greimas 1976, p. 134).

134

modo definitivo i significati degli elementi del piano dell’espressione che si

individuano.

Dopo questi studi aurorali, la disciplina ha prodotto numerose ricerche

riconducibili alla cosiddetta “semiotica urbana”, volte da un lato a definire il senso di

ciò che Greimas chiama l’oggetto-città e, dall’altro, a metterne in luce alcuni aspetti

particolarmente significativi. I lavori prodotti negli ultimi quindici anni mostrano

infatti che la semiotica urbana è ormai diventata un progetto compiuto e attivo, capace

di cogliere fenomeni di senso di tipo spaziale e, più specificamente, urbano (cfr.

Hammad 2003; Volli 2005; Marrone, Pezzini 2006, 2008; Leone 2009; Pezzini 2009;

Giannitrapani 2013; Marrone 2013; Pezzini, Savarese 2014).

In letteratura troviamo sia interventi che tentano di chiarire lo statuto semiotico

delle città, sia veri e propri lavori di analisi di alcuni centri urbani in particolare,

concentrati su diversi effetti di senso emergenti. Pelizza (2006) ad esempio propone

una categorizzazione dei fenomeni di degrado riscontrabili nelle aree urbane sulla

base di aspetti fisici, sociali e legati alla viabilità. Ciuffi (2006) e Granelli (2006) invece

si concentrano sui cosiddetti terrains vagues, che sono le “aree dismesse, le zone

abbandonate, gli edifici in disuso, i terreni incolti delle nostre città e delle loro

periferie” (ivi, p. 1), mentre Bertetti (2006) e Dondero (2005) analizzano alcuni elementi

spaziali che arredano gli ambienti urbani, rispettivamente il marciapiede e il giardino.

Ovviamente non mancano analisi più estese di intere città. È il caso del volume

collettivo a cura di Gianfranco Marrone (2004), che raccoglie diversi saggi di semiotica

urbana concentrati su Palermo. Gli autori di questa ricerca non si sono limitati ad

affrontare aspetti più o meno teorici della città intesa come coagulo di significazioni,

ma hanno accettato la sfida di produrre un’analisi semiotica di una particolare città nel

suo complesso (Leone 2011b).

Questi esempi, che sono solo una piccola parte degli studi semiotici sugli

ambienti urbani, testimoniano il profondo interesse della disciplina per la città per due

ragioni principali, ben riassunte da Leone (2011b):

da un lato, le città contemporanee presentano fenomeni di complessità tale

che la loro investigazione richiede apparati teoretici, concettuali, e analitici

fortemente interdisciplinari e malleabili, quali appunto quello della

semiotica. Dall’altro lato, è la semiotica stessa che trova in questi fenomeni

135

pane per i suoi denti, ossia occasione per cimentarsi con segni, testi, discorsi,

pratiche, e culture che, nella loro straordinaria varietà, mettono alla prova

l’efficacia euristica dell’epistemologia e della metodologia semiotiche (ivi, p.

1).

Lo spazio urbano, inoltre, è giudicato un oggetto di studio pertinente per la semiotica

perché può essere trattato come un testo. Volli (2005) ad esempio definisce la città come

una realtà espressiva che si rinnova e si ridefinisce continuamente, prendendo la forma

di un discorso, cioè “una pratica significante la quale però in ogni momento proietta

alle sue spalle un testo” (ivi, p. 1). In questo senso

la città è viva, cambia materialmente e nel senso che proietta; ma in ogni suo

tempo è stabile e leggibile come un libro. Non è solo un segno, qualcosa che

abbia un significato unico e un significante ben determinato e stabile, né

certamente un singolo messaggio che qualcuno recapiti ad altri – ma un testo,

etimologicamente un tessuto (ricordiamo l’espressione: tessuto urbano) o

piuttosto un intreccio di elementi di senso in relazione fra loro. (ivi, pp. 1-2).

Vediamo ora più in dettaglio in che senso la città possa essere intesa in semiotica come

testo.

3.2 La città come testo

Lo studio della città rientra nella “semiotica dello spazio”, dove con il termine spazio

intendiamo “il concetto generale che totalizza l’insieme delle qualità sensibili (visive,

sonore, termiche, olfattive, ecc.) attraverso le quali il mondo si manifesta all’uomo ed

è per lui significante” (Pezzini 2004, p. 257).

La semiotica dello spazio sviluppa dunque strumenti teorici e metodologici per

esplicitare i processi attraverso cui lo spazio produce senso. In linea con quanto

originariamente affermato da Greimas, lo spazio infatti è interpretato dalla semiotica

come un linguaggio che permette alle diverse società di parlare di sé stesse e a sé stesse

(Giannitrapani 2013). La sua organizzazione è fortemente significativa perché può

essere considerata come il piano espressivo di un vero e proprio linguaggio che ci parla

del modo in cui una (o più) comunità si organizza(-no) al suo interno. Questo punto

di vista, condiviso dalla quasi totalità degli autori, è in linea con il pensiero di Lotman

136

(1975), che considera le strutture spaziali come una sorta di metalinguaggio culturale:

lo spazio ci dice qualcosa sia sui rapporti intersoggettivi che si instaurano tra le

persone che lo abitano, sia sui valori etici ed estetici che caratterizzano quella comunità

di persone.

Grazie a questa capacità dello spazio urbano di comunicare qualcosa che va oltre

se stesso, possiamo considerarlo come un testo analizzabile, nel senso dato a questo

termine dalla semiotica. Come abbiamo visto nel § 1.3, con il concetto di testo si intende

ogni costrutto culturale suscettibile di essere interpretato, capace di rimandare a

qualcosa di diverso da sé e caratterizzato da aspetti di chiusura, coerenza e coesione

interna (cfr. Pozzato 2001, pp. 97-99; Lorusso 2010, pp. 20-21; Cosenza 2014, p. 7).

È chiaro dunque che, per quanto riguarda la capacità di richiamare altro da sé in

base a norme culturali, la città è un testo vero e proprio: è infatti un dispositivo di

comunicazione che interviene nei rapporti sociali con quella caratteristica efficacia

simbolica che è propria dei segni (Volli 2009b, p. 13), ed è capace di rimandare a un

piano del contenuto che riguarda la cultura, le regole e le tendenze che

contraddistinguono le comunità che la abitano.

Tuttavia, bisogna ammettere che, quando si parla di spazio, non è così scontato

collegarlo al concetto di testo, soprattutto per quanto riguarda la difficoltà di stabilirne

i confini. Occorre ricordare che in semiotica la testualità non è mai già data e definita,

ma è qualcosa che si negozia intersoggettivamente tra due attanti della comunicazione,

“i quali contrattano confini, modalità e temi testuali ogni volta ridiscutibili” (Marrone

2001, p. 1). Dal punto di vista semiotico, insomma, la testualità è “ricostruita dallo

studioso in funzione degli obiettivi della descrizione che vuol fare” (ibidem) e, di

conseguenza, è il frutto di un progetto di ricerca empirica. In questo senso, dunque,

quando si parla di spazi, i confini testuali non corrispondono necessariamente a quelli

determinati dalla cultura o dalla geografia (ad esempio i confini di uno stato o di una

città), ma sono ogni volta stabiliti in base agli obiettivi della ricerca che si sta

conducendo. Lo spazio inoltre si presenta a tutti gli effetti come un testo sincretico (cfr.

Greimas e Courtés 1979, voce “sincretiche, semiotiche”), cioè composto da diversi

linguaggi di manifestazione: ad esempio il linguaggio architettonico, i testi verbali che

troviamo al suo interno, i comportamenti delle persone, ecc..

137

In base a queste premesse, il/la semiologo/a può trattare lo spazio come un testo,

andando a interpretare la densità di senso degli ambienti urbani come se questi fossero

contenitori dai contenuti semantici molto ricchi (Volli 2009b). La città va infatti

considerata come una polifonia di sensi estremamente complessa e continuamente

modificata da coloro che la vivono (ivi, p. 16) o, in altre parole, come uno spazio

sempre plurale e indefinito, nonostante i continui tentativi di uniformarlo” (Volli 2005,

p. 1).

Queste definizioni di Volli toccano un altro punto fondamentale per determinare

il senso di un ambiente urbano, che sarà oggetto di discussione nel paragrafo che

segue: le pratiche umane e la loro capacità di modificare e ridefinire il senso delle città

o di alcune sue porzioni. Pur potendo affermare che la semiotica studia la città come

fosse un testo, dobbiamo ammettere che il suo lavoro è difficile perché si tratta di un

testo ben diverso da un romanzo o da un film. La città-testo infatti comprende anche

“i ‘lettori’ che la leggono, i moltissimi ‘enunciatori’ che l’hanno creata, i ‘traduttori’ che

continuamente la usano, la modificano e l’adattano” (Pozzato, Demaria 2006, p. 13). Il

significato della città – o di una sua parte – si costituisce grazie all’esperienza umana

o, in altri termini, si forma nel momento in cui si coglie la sua identità come senso del

luogo (Basso 2005).

3.3 Città e pratiche urbane

In ambito semiotico sembra generalmente accettato un assunto: non si può definire il

senso di un luogo senza tener conto delle pratiche umane che vi si realizzano. Secondo

De Certeau (1980, p. 176) il senso dello spazio è dato dalle operazioni e dalle pratiche

che lo orientano, lo circostanziano, lo temporalizzano e lo fanno funzionare. In questo

senso qualsiasi luogo assume un’identità solo quando viene praticato da qualcuno. Di

conseguenza la città – che Basso (2005, p. 1) descrive come “una paradigmatica di

elementi realizzati e relati sintagmaticamente in funzione di precise strategie di

significazione” – non ha un significato di per sé, né il suo significato è riconducibile

alla semplice attribuzione di senso da parte dei cittadini. Esso piuttosto

138

sorge dall’accoppiamento strutturale tra abitanti e spazio urbano, ovvero si

dà come circolazione e continua trasformazione del senso che informa e

costituisce sia l’identità della città, sia quella dei suoi cittadini” (ibidem).

Tali trasformazioni avvengono attraverso le pratiche semiotiche che caratterizzano

l’ambiente urbano e che, secondo Greimas e Courtés (1979, voce “pratiche

semiotiche”), si presentano come “successioni significanti di comportamenti somatici

organizzati”, la cui finalità è riconoscibile a posteriori. I comportamenti umani sono

considerati pratiche semiotiche perché sono portatori di significato in almeno due

sensi messi in luce da Fontanille (2008): prima di tutto le pratiche umane sono definite

semiotiche nella misura in cui sono costituite da un piano dell’espressione e da uno

del contenuto. In secondo luogo, esse

producono del senso nella misura stessa in cui il corso della pratica si

dispiega come un concatenamento di azioni capace di istituire, nell’impulso

offerto, la significazione di una situazione e della sua trasformazione (ivi, p.

9).

Queste pratiche, quindi, producono senso e danno senso al testo urbano, ad esempio

trasformando una piazza da un’attrazione per turisti a una zona di degrado e spaccio,

ma, allo stesso tempo, sono influenzate dal senso urbano ottimizzandosi “in funzione

delle possibilità/costrizioni offerte dall’organizzazione urbana e delle

disposizioni/competenze cognitive e affettive dei soggetti” (Basso 2005, p. 1). La

relazione tra città e pratiche urbane è quindi a doppio senso: l’ambiente urbano

influisce sui comportamenti dei cittadini e al contempo ne è trasformato.

Bisogna ricordare che la capacità della città di trasmettere senso e produrre azioni

non è collegata esclusivamente ai suoi vincoli fisici, come strade che invitano a essere

percorse o muri che impediscono l’accesso in certe aree, ma riguarda anche la

possibilità di porre

obblighi, divieti, possibilità come sensi del luogo (per esempio i percorsi

religiosi, turistici e di shopping, le regole della circolazione, ecc.: i vincoli

non puramente fisici, anche se incorporati fisicamente in una segnaletica)

(Volli 2009b, p. 13).

139

I muri degli edifici stabiliscono confini tra il pubblico e il privato, la segnaletica e

l’arredo urbano spingono le persone a realizzare alcuni programmi narrativi invece di

altri, la bellezza o il degrado di una zona possono attirare o allontanare le persone.

Tuttavia, come abbiamo visto, il rapporto tra città e pratiche semiotiche non è a

senso unico e le pratiche urbane svolgono un ruolo rilevante nella costruzione

dell’identità di un luogo. Basti pensare ai progetti di design urbano per il recupero di

zone degradate, progetti che spesso non bastano a modificare i comportamenti dei

cittadini. Volli ci fa notare, al riguardo, che “non è la perfetta regolarità del progetto a

garantire la dimensione umana, il senso del tessuto urbano” (Volli 2005, p. 7). Gli

elementi inseriti in uno spazio urbano per un certo scopo (ad esempio una serie di

panchine per ridare vita a una piazza poco frequentata) possono essere ignorati o

risemantizzati dai cittadini (se ad esempio le panchine fossero usate come giaciglio dai

senzatetto). Nonostante il testo spaziale dia istruzioni sulle sue funzioni e sulle

possibilità che offre – istruzioni che in termini echiani potremmo chiamare intentio

operis (Eco 1979) – esso può essere interpretato e fruito in modi solo parzialmente

ipotizzabili: “l’Intentio operis viene scavalcata facendo un uso totalmente personale e

arbitrario dello spazio, facendo cioè prevalere ciò che Eco (1979) ha definito Intentio

lectoris” (Urbani 2016, p. 22). Ciò comporta che il senso di un testo urbano non possa

essere completamente previsto e progettato dagli urbanisti, ma sia piuttosto il risultato

dell’incontro effettivo tra la città e chi la vive. Riprendendo le parole di Volli (2005, p.

8) “il testo urbano dipende per il suo senso dalla percezione che se ne ha e dall’uso che

se ne fa” e non è mai possibile separare ciò che un testo urbano comunica e significa

dall’uso pratico del territorio da parte dei cittadini.

Queste premesse teoriche e metodologiche mi hanno spinto a progettare l’analisi

di uno spazio urbano che desse il giusto peso al modo in cui i cittadini ne interpretano

e usano gli spazi. Ciò si può fare seguendo due strade: l’analisi di testi prodotti dai

cittadini riguardo alla loro esperienza urbana e l’osservazione diretta delle pratiche.

Nelle pagine che seguono, vedremo come in entrambi i casi la metodologia di analisi

semiotica possa avere un ruolo rilevante nel mettere in luce, da un lato, le diverse

identità che caratterizzano un luogo e, dall’altro, il significato più o meno esplicito

delle tendenze comportamentali che vi si possono riscontrare.

140

Attraverso l’analisi di una strada di Amsterdam tenterò quindi di mostrare come

la metodologia semiotica possa servire ad aumentare l’intelligibilità di ampi corpora

di testi digitali prodotti dai cittadini e relativi al luogo oggetto di indagine. Allo stesso

tempo intendo mettere alla prova l’osservazione partecipativa d’ispirazione

etnosemiotica per rinforzare l’analisi testuale con un’azione di arricchimento e

contestualizzazione dei significati ricorrenti individuati nei testi.

3.4 Il caso di Amsterdam e della Wibautstraat

Per mettere alla prova la prospettiva semiotica su uno spazio urbano, ho analizzato

una strada di Amsterdam chiamata Wibautstraat e segnata da diversi problemi urbani

e identitari. Ho realizzato questo caso di studio durante il mio periodo di visiting

presso il Citizen Data Lab – laboratorio che si occupa di City Analytics dell’Hogeschool

van Amsterdam che presenterò nel prossimo paragrafo – e ho contribuito al lavoro dei

ricercatori e delle ricercatrici del laboratorio su un progetto chiamato Mapping

Amsterdam (§ 3.3.2), conducendo un’analisi semiotica di tre grandi corpora di testi

digitali relativi alla strada e un periodo di osservazione sul campo della via (Cap. 4).

Vediamo ora in quale contesto si è inserito il mio lavoro.

3.3.1 Il Citizen Data Lab

Il Citizen Data Lab (CDL) è un laboratorio di ricerca del Dipartimento di Digital Media

and Creative Industries dell’Hogeschool van Amsterdam, che riunisce ricercatori/trici

e studiosi/e in scienze sociali, informatica e urbanistica per raccogliere e analizzare

dati che provengono dalla città. La mission centrale del CDL sta nel cogliere le

opportunità offerte dall’ondata di dati che caratterizza la contemporanetà digitale per

ottenere una comprensione migliore di ciò che accade in alcune zone della capitale

olandese. Il lavoro del Lab copre tutto il ciclo produttivo dei dati: dallo sviluppo delle

applicazioni per la raccolta, all’organizzazione di eventi per coinvolgere la

cittadinanza, fino all’analisi quantitativa e la diffusione dei dati attraverso il Web. I

dati raccolti, infatti, sono messi a disposizione come open data per rendere i cittadini

più consapevoli della realtà urbana in cui vivono. Citando le parole di Sabine Niederer,

fondatrice del laboratorio, il CDL punta a uno “shift from smart cities to smart

141

citizens” (Majcher 2014, p. 1), cioè vuole sviluppare e fare uso di strumenti tecnologici

per rendere i cittadini e le cittadine più consapevoli dei pregi e difetti della propria

città.

Effettivamente, il coinvolgimento attivo dei cittadini è centrale in tutti progetti di

ricerca del CDL, sia nella fase di sviluppo delle applicazioni, sia in quella di raccolta

dei dati. Raccogliere e analizzare dati prodotti dalle persone permette infatti di

ottenere informazioni sulla città rispettando il punto di vista di chi ha una esperienza

diretta dei luoghi studiati. Per questo il laboratorio sviluppa strumenti e metodi di

mappatura partecipativa in grado di sfruttare le conoscenze contestuali e specialistiche

delle persone, per comprendere l’ambito locale in tutte le sue sfumature. D’altra parte,

i cittadini possono dire e dare agli studiosi molto sui luoghi in cui vivono o che

frequentano per le più svariate ragioni: possono ad esempio comunicare informazioni

sul loro stato d’animo in una certa strada o piazza, su cosa valutano positivamente o

negativamente di un luogo, su cosa farebbero per migliorare una certa situazione

vissuta negativamente. Ciò va molto oltre le possibilità offerte dai sensori dell’Internet

of Things, che monitorano la nostra vita quotidiana e gli spazi in cui viviamo

estendendo Internet agli oggetti che ci circondano. I sistemi di sensori, seppure

innovativi, si limitano infatti a svolgere compiti ripetitivi e relativamente semplici,

come la memorizzazione degli accessi a un edificio o la misurazione del livello di

inquinamento in una zona urbana: nulla a che vedere con le complesse capacità

interpretative e cognitive delle persone. Ciò ha spinto il CDL a fare affidamento su

quello che è stato da loro stessi definito uno dei migliori “sensori” disponibili: l’essere

umano (Groen, Meys 2015).

Bisogna ammettere che chiedere idee, suggerimenti e opinioni a grandi gruppi

di persone non è una novità perché è il cuore dei diversi progetti e strumenti di

crowdsourcing (Doan, et al. 2011). Il crowdsourcing, parola inglese composta da crowd

(folla) e sourcing (ottenere qualcosa da una fonte), è un paradigma di reperimento delle

informazioni basato sulla condivisione della conoscenza su larga scala per realizzare

progetti di vario tipo, spesso accomunati da due caratteristiche:

142

1) the partecipants are not involved in deciding what will be measured and 2)

the retrieved data is only for professionals to act on, instead of also allowing the

citizen to act on the data (Groen, Meys 2015, p. 2).

Sono proprio questi gli elementi che distinguono il metodo di ricerca del Citizen Data

Lab dal crowdsourcing. Il Lab tiene conto dei bisogni e delle priorità dei cittadini fin

dalle prime fasi progettuali, in cui decide quali aspetti della città indagare. Durante

incontri appositamente organizzati, i cittadini possono influenzare le sorti di un

progetto esprimendo le proprie opinioni e facendo richieste. Allo stesso tempo, i

cittadini sono il target finale di ogni progetto: quando possibile, i dati che provengono

dalle ricerche sono messi a disposizione sul Web in modo da restituire alle persone

informazioni potenzialmente utili per prendere decisioni più informate. Gli utenti

possono visualizzarli, analizzarli e confrontarli con altri open data per trarre conclusioni

su varie questioni e agire di conseguenza, magari facendo alle istituzioni richieste

documentate.

Da una parte, dunque, vediamo che la partecipazione attiva dei cittadini a

progetti di mappatura del territorio può portare a diversi vantaggi, ma dall’altra

comprendiamo che questa implica anche coinvolgere una grande varietà di persone,

cosa spesso non facile. Per affrontare questa sfida, si sta cercando di motivare i cittadini

creando un senso di appartenenza all’area urbana in cui vivono e di cura dei dati che

da quell’area provengono (de Lange, de Waal 2013). Gli smart citizens immaginati da

Sabine Niederer sono infatti anche cittadini che provano un sentimento di

appartenenza a un luogo collettivo e che hanno la volontà di condividere conoscenze

e informazioni sulla città per consentire agli altri di agire in modo più consapevole.

Non esistono soluzioni concrete per motivare i cittadini e le cittadine a fare

questo, ma alcuni studi hanno mostrato l’esistenza di diversi sistemi utili a spingere le

persone a collaborare in modo attivo, che il CDL ha fatto propri. Innanzitutto,

coinvolgere i cittadini fin dai primi stadi della ricerca, e tenere conto delle loro priorità

e dei loro bisogni in sede di decisione degli obiettivi, dà alle persone un ruolo molto

rilevante (McCall, Dunn 2012). Durante gli eventi organizzati a questo scopo, infatti, i

cittadini non sono trattati semplicemente come fonti di informazioni utili, ma, in

termini semiotici, sono considerati veri e propri Aiutanti della ricerca. Il che si fa sia

143

per raccogliere informazioni di cui i cittadini hanno effettivamente bisogno, sia per

creare in loro un vissuto di coinvolgimento che può spingerli a partecipare

ulteriormente.

Un secondo modo per motivare le persone sta nel restituire loro i dati in modo

comprensibile e intuitivo per informarle e incrementare il loro interesse sulle situazioni

studiate (Aronson, Wallis et al. 2007). A tal fine il Citizen Data Lab produce e diffonde

forme di data visualisation che permettono una comprensione più immediata delle

situazioni descritte dai dati. Grazie a queste infografiche si tenta di semplificare il

processo interpretativo e l’identificazione di fenomeni e tendenze, invisibili a una

prima analisi dei dati non rappresentati visivamente e graficamente.

Per ottenere una partecipazione massiccia della cittadinanza è infine consigliabile

chiedere alle persone un impegno limitato in termini sia di tempo, sia di sforzo

cognitivo. I compiti da svolgere non devono richiedere tempi troppo lunghi o essere

eccessivamente complessi, e le interfacce degli strumenti informatici per la raccolta dei

dati devono essere intuitive. In quest’ottica, il Lab ha sviluppato alcuni strumenti

informatici per dare la possibilità ai cittadini di mappare e condividere informazioni

sulla propria città in modo semplice e veloce, spesso attraverso lo smartphone.

3.3.2 Mapping Amsterdam

Durante il periodo di visiting che ho trascorso all’Hogeschool van Amsterdam ho

collaborato a uno dei progetti di ricerca del Citizen Data Lab, chiamato Mapping

Amsterdam. Mapping Amsterdam è un esempio molto interessante di mappatura

partecipativa dell’ambiente urbano per la raccolta di open data. Nell’ambito di questo

progetto, il Lab sta sviluppando metodi per la raccolta e l’analisi di dati provenienti

dalla città, sia attraverso i social network, sia attraverso iniziative che coinvolgono i

cittadini nell’osservazione dei luoghi studiati. L’obiettivo è capire come ottenere dati

dalle persone, aumentando al contempo la loro consapevolezza sul centro urbano in

cui vivono e la loro capacità di agire con obiettivi di condivisione e utilità sociale.

Per questo il CDL ha sviluppato un’applicazione mobile chiamata Measuring

Amsterdam, che permette ai cittadini di condividere informazioni su certe zone di

Amsterdam grazie allo smartphone, e ha organizzato alcuni eventi pubblici per

144

coinvolgere le persone nella raccolta-creazione dei dati. Il tool è composto da tre parti:

un breve web form per inserire i dati di input, una piattaforma per l’archiviazione e

distribuzione dei dati e uno strumento per la visualizzazione immediata dei risultati.

I partecipanti possono inserire i dati scegliendo una delle variabili predeterminate in

un menù a tendina o inserendo un breve testo libero. I dati inseriti sono geolocalizzati

manualmente, spostando un puntatore su una mappa, o automaticamene, grazie al

GPS dello smartphone. Essi infine sono archiviati in un database in formato

GeoJSON74, un formato aperto per dati geospaziali basato su JavaScript Object Notation

che permette il posizionamento immediato delle rilevazioni su una mappa digitale.

Lo strumento è stato testato per la prima volta nel 2014 e ha permesso la raccolta

di una parte del corpus che ho analizzato. Il CDL ha deciso di concentrare lo studio

pilota in particolare su una strada di Amsterdam, celebre in città per i numerosi

problemi urbani che hanno contrassegnato la sua storia e che, in parte, si sta ancora

cercando di risolvere: la Wibautstraat. La volontà del Lab è conoscere a fondo questo

luogo per comprenderne meglio i problemi e ipotizzare soluzioni che ottengano il

consenso cittadino. Durante il primo studio pilota sono stati studiati aspetti molto

eterogenei della strada e di ciò che vi succede: gli sviluppatori di Measuring Amsterdam

hanno scelto le variabili da inserire nell’applicazione, e di conseguenza i tipi di dati

che questa permette di raccogliere, tenendo conto dei problemi della strada che i suoi

abitanti percepiscono e delle ricerche più recenti sulla mappatura di spazi pubblici

(Groen, Meys 2015).

Ai partecipanti del primo Measuring Amsterdam Event è stato chiesto di osservare

e produrre open data su una porzione della strada usando l’applicazione. Le persone

dovevano scegliere un dominio, una o più variabili tra quelle disponibili

nell’applicazione, e geolocalizzare la rilevazione. I dati raccolti, visibili in tempo reale,

sono stati poi usati dal CDL per produrre infografiche capaci di agevolare

l’interpretazione dei risultati. Grazie a questa sperimentazione, il laboratorio ha

ottenuto un dataset composto da 1054 rilevazioni sotto forma di risposte a scelta

multipla, ascrivibili a quattro domini: traffic, social, environment/safety e multimedia.

74 Il formato GeoJSON è usato per rappresentare dati geografici tenendo conto di informazioni come longitudine e latitudine, e di strutture geometriche rappresentabili su una mappa come punti, linee e poligoni. Per un approfondimento ulteriore si rimanda alla pagina web delle specifiche del formato: https://tools.ietf.org/html/rfc7946, consultata il 12 settembre 2018.

145

Ciò che accade lungo la Wibautstraat è stato analizzato di nuovo nel 2015,

quando il Citizen Data Lab ha organizzato un secondo evento di raccolta partecipativa

di dati. In questo caso i ricercatori hanno voluto concentrare l’attenzione dei

partecipanti sui problemi rilevabili nella zona, e hanno chiesto loro di ipotizzare idee

capaci di risolverli. L’applicazione Measuring Amsterdam 75 è stata modificata per

permettere l’archiviazione di un nuovo tipo di dati: un testo verbale e una fotografia

per descrivere i problemi rilevati, più un altro testo verbale sulla soluzione ipotizzata.

Il risultato è stato un database composto da 55 rilevazioni sulle situazioni percepite

come critiche lungo la strada.

3.3.3 Il progetto

Come abbiamo visto, il Citizen Data Lab si occupa di analisi della città e lo fa

sviluppando sistemi informatici per la raccolta partecipativa di dati, che descrivono la

città sotto qualche aspetto. I dati raccolti dovrebbero offrire ai cittadini una maggiore

consapevolezza sul luogo in cui vivono e alle istituzioni la capacità di prendere

decisioni più ponderate. Tuttavia, il lavoro che il Citizen Data Lab svolge sui dati è

essenzialmente quantitativo, quindi non sempre sufficiente a raggiungere una

comprensione completa delle situazioni complesse da cui emergono i dati. Da qui

l’idea di integrare il lavoro quantitativo con un’analisi semiotica di un’area già in parte

studiata dal Lab: la Wibautstraat. Del resto, gli strumenti informatici ideati per

individuare e analizzare i contenuti sono ancora poco precisi e insufficienti per

comprendere fino in fondo il coinvolgimento emotivo degli utenti. L’unica strada

percorribile è un lavoro in sinergia tra metodologie quantitative e qualitative,

associando a questi programmi anche “un intervento soggettivo in grado di analizzare

in profondità la percezione degli utenti e di cogliere tendenze” (Boero 2018 p. 3).

All’informatica e alla statistica resta il compito di selezionare le occorrenze, mentre

l’analisi semiotica qualitativa può indagare il fenomeno più in profondità, facendo

emergere articolazioni, valorizzazioni e strutture profonde che non sarebbero

75 Versione dell’App Measuring Amsterdam utilizzata durante il secondo studio sulla Wibautstraat disponibile sul Google Store, purtroppo non scaricabile dall’Italia: https://play.google.com/store/apps/details?id=com.hva.measureadam&hl=en, Consultata il 15 aprile 2017.

146

individuabili con un conteggio e un confronto numerico, pur complesso, dei dati

(Giannitrapani 2018).

L’obiettivo della ricerca era da un lato studiare come i cittadini percepiscono la

strada, dall’altro valutare l’articolazione dei suoi spazi, delle forme di socializzazione

che vi si svolgono e l’intreccio tra le due cose. Come anticipato all’inizio di questo

capitolo, durante il mio lavoro ho tenuto conto del fatto che

l’architettura genera comportamenti, l’urbanistica definisce modelli di vita

sociale; ma nello stesso tempo i vissuti, individuali e collettivi, ridisegnano lo

spazio urbano, trasformandolo in luoghi culturali, pubblici, condivisi (Marrone

2010c, p.11).

Non è possibile studiare l’identità di un luogo prendendo in considerazione solo

l’organizzazione dei suoi spazi e ignorando come questi siano effettivamente fruiti

dalle persone. Allo stesso tempo non ha senso indagare i comportamenti delle persone,

pur avendo a disposizione numerosi dati al riguardo, senza tenere conto dei luoghi e

degli ambienti in cui si inserisce il loro agire. Per questo ho cercato di analizzare la

relazione che si istituisce fra l’articolazione fisica degli spazi della Wibautstraat e i

comportamenti e i linguaggi osservabili in quei luoghi.

Come vedremo meglio nel capitolo che segue, ho scelto di studiare proprio la

Wibautstraat a causa della sua storia di profonde trasformazioni, risemantizzazioni e

problemi urbani. Negli ultimi anni sono state organizzate diverse ricerche e iniziative

per il suo studio e il suo miglioramento, ma non tutti i problemi sono stati risolti. La

strada ad esempio è oggi una tra le più trafficate e inquinate della città, tanto da essere

in alcuni casi evitata dai pedoni. Questo scenario ha spinto il CDL a voler sapere

qualcosa in più sulla Wibautstraat: quali difetti e punti di forza sono percepiti dai

cittadini lungo la strada? quali sono i luoghi che attraggono di più la loro attenzione,

nel bene o nel male? come si comportano le persone nelle diverse parti della via?

Per contribuire a rispondere a queste e altre domande sulla Wibautstraat ho

analizzato qualitativamente i due corpora di dati digitali raccolti nell’ambito del

progetto Mapping Amsterdam. Con l’analisi, ho tentato di mostrare come stia

cambiando il modo in cui questo luogo è percepito e vissuto dai cittadini a seguito di

147

diversi progetti per la sua riqualificazione, oltre a riflettere sul “senso” del luogo,

considerandolo

la risultante complessa di molti fattori, di cui la morfologia geografica è solo

il punto di partenza, ma che coinvolge in maniera centrale le pratiche che

attorno a quelle morfologie si sviluppano, nonché i discorsi sociali attraverso

i quali questi luoghi sono rappresentati (Violi, Tramontana 2006, p. 119).

Di conseguenza non mi sono limitata all’analisi dei testi digitali raccolti dal CDL, ma

ho preso in considerazione anche la storia della Wibautstraat, la sua morfologia

geografica, le pratiche umane che vi si realizzano e un ulteriore e più recente corpus

di testi digitali da me raccolto. Solo in questo modo ho potuto contestualizzare i dati e

aumentare l’intellegibilità dei grandi corpora che avevo a disposizione dicendo

qualcosa sul “senso” della Wibautstraat.

3.3.4 Alcuni presupposti metodologici

Come abbiamo visto, l’obiettivo principale della mia ricerca era analizzare una strada

di Amsterdam sia attraverso un periodo di osservazione diretta, sia grazie allo studio

di numerosi testi in formato elettronico. Dal punto di vista metodologico non c’erano

riferimenti a un procedimento di indagine completo, perciò mi sono rifatta a studi

ascrivibili sia alla semiotica urbana76 e dello spazio (cfr. Greimas 1976, Hammad 2003,

Giannitrapani 2013, Sozzi 2015), sia a metodologie sviluppate in ambito semiotico per

l’analisi di testi più tradizionali (cfr. Greimas 1995; Pozzato 2001; Marrone 2001b,

2011).

In primo luogo, l’elevato numero di testi visivi raccolti dai cittadini mi ha portata

a usare alcuni strumenti della semiotica visiva, utili più in generale per spiegare come

funziona il linguaggio visivo e per studiare testi come quadri, fotografie o illustrazioni

(Polidoro 2008). Le immagini che compongono il corpus sono state infatti analizzate

dal punto di vista sia plastico sia figurativo, per fare chiarezza sulle modalità di

testualizzazione dello spazio e delle pratiche che vi si inseriscono. L’analisi figurativa

76 Cfr. ad esempio, in ordine alfabetico: Barthes (1985); Basso (2005); Leone (2009, 2012); Marrone (2001a, 2010b, 2013); Marrone Pezzini (2006, 2008); Tani (2014); Violi (2009); Volli (2005, 2009a, 2009b).

148

dei testi mi ha permesso inoltre di categorizzare le principali isotopie figurative, per

riassumere nel modo più completo possibile gli aspetti della strada fotografati dai

cittadini e valutati, nei termini della categoria timica, in modo euforico o disforico.

Per quanto riguarda l’analisi dei micro-testi verbali che descrivono l’esperienza

e l’opinione dei cittadini, mi sono avvalsa di alcuni concetti provenienti in generale

dalla semiotica del testo. Ho analizzato i testi verbali per identificare le principali

isotopie, cioè le ripetizioni, lungo catene sintagmatiche, di classemi che assicurano al

discorso-enunciato la sua omogeneità (Greimas e Courtés 1979, voce “isotopia”).

L’elenco delle isotopie che ho individuato è stato poi categorizzato per trarre

conclusioni sull’argomento di cui parlano i testi, cioè, in termini semiotici, sui vari topic

riconoscibili.

La volontà di studiare il significato di uno spazio urbano e ciò che vi accade mi

ha spinto però ad andare oltre ai testi che lo descrivono per concentrarmi in modo più

diretto sul luogo e sulle pratiche umane che vi si iscrivono. La città è il luogo dove si

abita, si lavora, si comunica, si passa il tempo e ci si diverte, e, in questo senso, è essa

stessa una sorta di macro-pratica. Secondo Volli (2009b, p. 52) “se ci proponiamo

un’indagine semiotica della città, tanto vale dunque fare a meno dell’ipotesi metafisica

della sostanzialità del processo generale e andare a considerare i dettagli del

funzionamento urbano”.

Il problema è che le pratiche che si svolgono in una città sono numerosissime e

difficilmente individuabili e analizzabili, se non attraverso le tracce che lasciano.

Tuttavia, esse possono essere testualizzate o in modo indiretto – quando si prendono

in considerazione testi relativi a un certo luogo, come le immagini che lo riguardano e

provengono dalle persone che lo frequentano e le descrizioni che le persone ne fanno

– o in modo diretto – quando è lo/a studioso/a stesso/a che testualizza le pratiche,

producendo testi che poi analizzerà (Proni, Barcellona 2009).

In ambito semiotico, scarseggiano le ricerche volte a fare luce sull’identità dei

testi urbani avvalendosi di grandi corpora testuali prodotti dai cittadini e

dell’osservazione diretta delle pratiche urbane. Più comunemente, gli spazi urbani

sono analizzati attraverso o l’osservazione del luogo e/o l’analisi di corpora testuali di

dimensioni ridotte, composti ad esempio da uno, due o una decina di guide turistiche

o blog (cfr. Giannitrapani 2010; Mangiapane 2010).

149

Uno studio non semiotico, che però è un precedente per certi aspetti simile alla

mia ricerca, è quello di Lynch (1960) che ha come obiettivo l’analisi di alcune città per

come esse sono percepite e fruite dai cittadini. Sto parlando de L’immagine della città in

cui l’autore analizza Jersey City, Boston e Los Angeles individuando poche categorie

di salienza con un procedimento simile a quello della semiotica (Pozzato, Demaria

2006). Secondo Lynch, ogni città ha un’immagine pubblica, più o meno condivisa,

frutto del suo rapporto con i cittadini che la osservano e che agiscono al suo interno.

Analizzare questa immagine pubblica è possibile grazie all’identificazione di cinque

elementi che tipicamente la compongono: percorsi, margini, quartieri, nodi e

riferimenti.

(1) Con il termine percorsi Lynch intende “i canali lungo i quali l’osservatore si

muove abitualmente, occasionalmente o potenzialmente” (ivi, p. 65), come le

strade e le linee dei trasporti pubblici.

(2) I margini sono “gli elementi lineari che non sono usati o considerati come

percorsi dall’osservatore” (ivi, p. 66). Comprendono ad esempio le rive e le linee

ferroviarie infossate e interrompono la continuità cittadina.

(3) I quartieri sono le zone della città in cui l’osservatore può entrare, sia fisicamente

sia mentalmente, e presentano caratteristiche individuanti che li rendono

riconoscibili.

(4) I nodi sono i luoghi strategici che funzionano come fuochi intensivi verso i quali

o dai quali l’osservatore si muove. In questa categoria troviamo luoghi che

funzionano da congiunzioni, come punti di interruzione e scambio dei trasporti,

e da spazi di concentrazione, come i luoghi simbolici di un quartiere.

(5) Infine, con il termine riferimenti l’autore intende gli elementi puntiformi dove

l’osservatore non può entrare. Sono generalmente oggetti fisici semplici come

edifici, insegne, negozi o torri. Questi elementi sono visibili da lontano, come

una torre o una collina, o da vicino, come un albero o una vetrina, e sono usati

di frequente come “indizi di identità e persino di struttura” (ibidem), che

diventano sempre più affidabili mano a mano che un itinerario diventa

familiare per l’osservatore.

150

Queste componenti tipiche di una città sono solo parzialmente interessanti dal nostro

punto di vista perché difficilmente traducibili in termini semiotici. Pozzato tuttavia, fa

un tentativo in questo senso affermando che

da una parte, esse possono essere considerate delle unità tematiche che

mappano dei programmi narrativi urbani tipici come spostarsi lungo dei

percorsi, bloccarsi di fronte a un margine, orientarsi in base a punti di

riferimento, riconoscere la coerenza figurativa di un quartiere, ecc.;

dall’altra, esse sottendono un certo numero di categorie plastiche (uni-

direzionato/irraggiante, continuo/discontinuo, denso/fluido,

figurabile/non figurabile, ecc.) e quindi propongono una morfologia

specifica della città, tutta basata sul carattere situato di un osservatore-

utilizzatore (Pozzato, Demaria 2006, p. 15-16).

La lettura che dà Pozzato di Lynch (1960) mostra dunque che lo studio dell’urbanista

americano offre idee feconde anche per una riflessione semiotica sullo spazio urbano.

Per questo lo studio di Lynch, volto ad analizzare le città così come sono percepite dai

cittadini, è un precedente a cui mi sono ispirata durante il lavoro, ovviamente al netto

delle differenze teoriche e metodologiche esistenti tra semiotica e urbanistica.

Tornando alla mia ricerca, dopo aver esaminato approfonditamente i corpora

testuali ho analizzato le pratiche umane che caratterizzano lo spazio urbano della

Wibautstraat grazie a un periodo di osservazione partecipativa di ispirazione

etnosemiotica che, tra le altre cose, mi ha permesso di testualizzarle. L’osservazione

diretta, quindi, da un lato è servita a comprendere meglio l’articolazione interna della

strada: la disposizione dei palazzi, le differenze tra un lato e l’altro della carreggiata,

la distribuzione delle zone verdi e dei terrains vagues e la sua percorribilità da parte di

pedoni, ciclisti e automobilisti. Dall’altro lato, è stata utile per studiare i

comportamenti delle persone, che a volte agiscono come lettori modello (Eco 1979) del

luogo, interpretando gli spazi e gli edifici secondo le intenzioni di chi li ha progettati,

ma che, altre volte, li interpretano e ne fanno uso in modi alternativi e personali.

L’etnosemiotica non è definita da Greimas e Courtés (1979, voce “etnosemiotica”)

come una semiotica autonoma, perché in questo caso entrerebbe in concorrenza con il

campo del sapere dell’antropologia, ma come “un campo privilegiato di curiosità e di

esercizi metodologici”. Con il termine etnosemiotica si intende infatti il tentativo di far

151

convergere tra loro etnografia e semiotica per “rendere sistematiche e controllabili le

indagini sulle pratiche quotidiane in cui si investono i valori di una società che di

diritto, anche se non necessariamente nei fatti, è una socialità condivisa” (Marsciani

2007, p. 14). Questa branca della disciplina si occupa dell’analisi strutturale dei

comportamenti, delle pratiche e degli oggetti della vita quotidiana, considerando gli

agenti come attori dotati di competenze che permettono una loro definizione narrativa.

Questi attori sociali “si muovono e trasformano se stessi, gli altri e il mondo che li

circonda all’interno di campi relazionali77 che costituiscono veri e propri orizzonti

significanti” (ivi, p. 9). Di conseguenza, l’analisi della struttura delle pratiche richiede

una semiotica capace di mettere in luce i valori

che rendono sensata una qualunque porzione di mondo, una strada, una

comunità, una connessione, una vetrina [e che] sono sempre lì a

disposizione, ma non sono nulla finché non vengono presi in carico da un

discorso, un insieme di discorsi che li riprendono e li rendono effettivi, e

soltanto in questo modo ne danno testimonianza (Marsciani 2015, p. ix).

Il progetto etnosemiotico non è nuovo e il tentativo semiotico di rendere conto delle

pratiche sociali come organizzazioni testuali compare già nei primi lavori di Greimas

(1991), portando alla nascita della cosiddetta sociosemiotica. Tuttavia, come afferma

Marsciani, l’etnosemiotica tenta di percorrere una strada leggermente diversa, perché

costruisce le proprie analisi a partire dall’”osservazione diretta” del fenomeno

(ibidem), cioè va a vedere cosa succede sul campo. Nel panorama italiano la disciplina

fece la sua comparsa ufficiale nel 2007 con la pubblicazione di tre testi (Del Ninno 2007;

Marsciani 2007; Lancioni, Marsciani 2007) che presentano una sintesi teorica tra

scienza della significazione e metodo di indagine sui fenomeni di formazione,

circolazione e presa del senso vissuto (Marsciani 2015).

Uno degli aspetti che accomuna questi lavori è proprio il tentativo di mettere a

punto e controllare la questione centrale della pratica etnosemiotica: l’osservazione

77 Marsciani definisce i “campi relazionali” come “mondi in cui si mettono in scena attori, spazi e tempi che traggono la loro natura di fenomeni sensati dalle relazioni reciproche che tali elementi intrattengono tra loro” (Marsciani 2007, p. 9).

152

diretta78. Essa si basa su un’ipotesi fondamentale per la disciplina, cioè il fatto che “ciò

che osserviamo è già da sempre determinato a priori da una messa in forma, quindi

da un’articolazione, dello sguardo che lo inquadra” (ivi, p. viii).

A ciò si aggiungono alcuni assunti, proposti da Marsciani (2007), che bisogna

necessariamente accettare nel momento in cui ci si propone di osservare una situazione

dal punto di vista etnosemiotico:

(1) Quel che si osserva ha sempre una forma testuale, vale a dire che è

sempre discorso che si manifesta.

(2) Quel che si osserva non è mai, in linea di principio, predeterminato da

macro categorie sociologiche o psicologiche.

(3) Ciò che si osserva contiene i valori che ne determinano la significatività.

(4) Il valore di ciò che si osserva dipende dalla relazione tra osservato e

osservatore (ivi, p. 11).

In base a queste premesse, l’osservatore deve aver chiari due concetti fondamentali.

Da un lato, in linea con il pensiero di Geertz (1973, 1986), deve essere consapevole che

le pratiche sono già impregnate di senso perché l’osservazione etnografica è sempre

un’interpretazione di interpretazioni; dall’altro, deve tener presente che “la propria

domanda di intelligibilità ed esplicitazione determina una messa a fuoco sempre

specifica e orientata sulle salienze e sui tratti rilevanti” (Marsciani 2007, p. 11). Non è

infatti possibile individuare tutti i tratti che compongono un fenomeno

significativamente denso come una pratica urbana, ma si possono fare alcune scelte

consapevoli nell’impostazione del proprio sguardo. L’osservazione etnosemiotica

dell’ambiente urbano può cogliere ad esempio i percorsi dei soggetti, l’uso che essi

fanno di alcuni elementi di arredo urbano e/o il modo in cui si svolgono le soste, ma

non potrà rendere conto della complessità e vastità di tutto ciò che succede lungo le

strade analizzate.

Quella dell’osservazione, inoltre, è una pratica costruita dall’osservatore e non è

mai completamente trasparente né esente da interpretazioni fallibili. Lo sguardo

78 Bisogna precisare che l’osservazione diretta è stata affrontata da diversi punti di vista prima della nascita dell’etnosemiotica. Questa pratica per lo studio sul campo è stata infatti messa a punto e più volte rielaborata sia in ambito sociologico (Corbetta 2003), sia etnografico (Semi 2010).

153

del/la semiologo/a può ad esempio essere attratto da elementi irrilevanti, che in un

certo momento gli/le sembrano pertinenti, portando magari a conclusioni errate.

D’altro canto, l’osservazione etnosemiotica non può mai essere completamente

oggettiva perché l’osservatore si trova sempre immerso nella situazione che osserva.

La posizione del semiologo è duplice: “si trova collocato precisamente accanto

all’attore (un “come lui”) e al contempo di fronte ad esso (un “per lui”); osservazione

del Sé come un Altro, dunque, e osservazione di un Altro come un Sé” (ivi, p. 15).

Proprio per questo motivo ho deciso di affiancare un periodo di osservazione

diretta sul luogo all’analisi testuale di migliaia di testi in formato elettronico relativi

alle esperienze urbane dei cittadini. Solo grazie all’osservazione, infatti, ho potuto

contestualizzare e interpretare a fondo l’ampio corpus di dati digitali. Allo stesso

tempo l’enorme disponibilità di informazioni sul luogo mi ha permesso di controllare

e calibrare le conclusioni che io stessa ho ricavato dall’osservazione diretta, facendo

leva sulle opinioni di un numero molto alto di persone che vivono quotidianamente

questa zona.

Nel complesso, il metodo che ho usato per analizzare la strada di Amsterdam è

il risultato di una mia proposta metodologica, che ho messo a punto anche in relazione

all’oggetto di analisi e agli obiettivi della ricerca. Spiegherò e approfondirò gli

strumenti e i metodi semiotici che di volta in volta ho applicato nel prossimo capitolo.

3.4 Conclusioni

La semiotica ha una lunga esperienza nello studio degli spazi, soprattutto quelli

urbani. In questo capitolo ho ripercorso i passi principali della ricerca semiotica sullo

spazio urbano, cercando di spiegare in che modo questo è un oggetto di studio

pertinente per la disciplina.

Dal punto di vista semiotico, infatti, lo spazio urbano è paragonabile a un testo

che ci parla del modo in cui le comunità che lo abitano si organizzano al suo interno.

Il significato del testo-città, tuttavia, non è dato solamente da quella che potremmo

chiamare la sua forma, ovvero dalle sue caratteristiche architettoniche e dal suo aspetto

estetico. E non è dato nemmeno dalle possibilità che offre concretamente ai cittadini in

termini di strade percorribili, ostacoli fisici, attività commerciali e spazi pubblici. Il

154

senso della città, piuttosto, “sorge dall’accoppiamento strutturale tra abitanti e spazio

urbano” (Basso 2005, p. 1) ed è influenzato, e continuamente ridefinito, dalle pratiche

urbane.

Perciò sono partita da un assunto accettato quasi universalmente in ambito

semiotico, secondo il quale non si può definire il senso della città senza tener conto

delle pratiche umane che vi si realizzano, e ho tentato di ricostruire il modo in cui lo

spazio urbano e le pratiche umane si influenzano a vicenda, in un andirivieni continuo.

Sulla base di queste premesse, ho focalizzato il caso di studio principale di questa

tesi (Cap. 4), tenendo in considerazione le pratiche umane e il modo in cui sono

corresponsabili della definizione del senso di un luogo. Nello specifico, durante il mio

periodo di visiting presso il Citizen Data Lab dell’Hogeschool van Amsterdam, ho

analizzato la Wibautstraat, strada della capitale olandese celebre per i diversi problemi

urbani. Durante l’analisi, composta dallo studio di ampi corpora di contenuti digitali

creati dai cittadini e da un periodo di osservazione diretta del luogo e delle pratiche

che vi accadono, non ho potuto fare riferimento a studi che presentano un

procedimento di indagine completo. Per questo, da un lato mi sono rifatta a studi di

semiotica dello spazio urbano (ad esempio Greimas 1976; Barthes 1985; Hammad 2003;

Marrone 2001a, 2010b, 2013; Volli 2005, 2009a, 2009b; Marrone, Pezzini 2006, 2008;

Leone 2009, 2012), dall’altro mi sono affidata a metodologie sviluppate in ambito

semiotico per l’analisi di testi più tradizionali (Greimas 1995; Pozzato 2001; Marrone

2001b, 2011).

Ho indagato inoltre ciò che succede lungo la strada grazie a un periodo di

osservazione diretta, che è uno dei pilastri metodologici dell’etnosemiotica. Osservare

direttamente un luogo e i fenomeni che lo caratterizzano significa andare a vedere ciò

che succede, cercando di aumentarne l’intellegibilità. L’osservatore però deve essere

consapevole che ciò che osserva è determinato a priori da una messa in forma del suo

sguardo e che di conseguenza non potrà mai dare una versione completamente

oggettiva dei fatti. L’osservatore d’altro canto non può che essere inserito nella scena

che studia andando a ricoprire una posizione duplice: è lì per osservare gli attori che

agiscono nell’ambiente urbano, ma allo stesso tempo è uno di essi.

Tuttavia, l’osservazione diretta si è dimostrata un ottimo metodo di indagine per

comprendere più in profondità le tendenze comportamentali e per individuare gli

155

effetti di senso che emergono lungo la strada. Solo grazie ad essa, inoltre, ho potuto

contestualizzare, e quando era il caso reinterpretare, il ricco corpus di testi in formato

elettronico che avevo raccolto. L’interpretazione dei commenti e delle opinioni dei

cittadini infatti non è stata sempre semplice perché alcuni di essi facevano riferimento

a conoscenze che possiede solo chi vive quotidianamente il quartiere. Per questo, al

termine dell’analisi mi sono immersa nel luogo studiato in modo da dare un contesto

alle informazioni emerse dai dati raccolti. Osservare direttamente l’agire dei soggetti

lungo la via che studiavo mi ha permesso infine di ipotizzare le cause che stanno alla

base delle tendenze comportamentali riscontrate, cercando di capire quali aspetti

dell’ambiente urbano ne sono in parte responsabili.

156

CAPITOLO 4

Una semiotica per i dati digitali della città.

Studiare il significato di una strada complessa:

la Wibautstraat.

In questo capitolo metterò alla prova alcuni modelli di analisi semiotica per lo studio

di corpora medio-grandi di dati digitali su una strada di Amsterdam. Innanzi tutto,

ricostruirò brevemente le tappe più significative della storia della strada (§ 4.1), nel

tentativo di capire meglio le origini dei problemi urbani oggi rilevabili in questa zona.

Dopodiché, presenterò nel dettaglio i corpora testuali (§ 4.2) e li analizzerò per

comprendere come le persone percepiscono e vivono la strada in questione (§ 4.3).

La fase successiva sarà l’osservazione diretta della situazione, che mi ha

permesso di individuare aspetti inediti di ciò che succede lungo la strada. Allo stesso

tempo, confronterò le impressioni e i testi raccolti durante l’osservazione con i risultati

dell’analisi dei testi digitali. Ho infatti usato gli ampi corpora testuali come uno

strumento di controllo per distinguere le impressioni soggettive che mi hanno colpito

durante la fase di osservazione dagli aspetti invarianti, e le tendenze comportamentali

più rilevanti nella strada. Lo studio dell’esperienza urbana in quest’area mi ha

permesso di individuare quattro diverse sezioni della strada (§ 4.3.4.2), in base a ciò

che essa offre ai suoi abitanti e a come le persone si comportano al suo interno. A

ognuna delle quattro sezioni corrisponde un modo diverso di interpretare e usare gli

spazi e le risorse, il che mi ha spinto a organizzare i comportamenti rilevati durante

l’osservazione in una tipologia (§ 4.3.5).

4.4 La Wibautstraat: una strada dalla storia travagliata

La Wibautstraat è una strada a quattro corsie lunga quasi due chilometri, che collega

la periferia con il centro di Amsterdam. La strada è nota per la sua storia travagliata di

157

trasformazioni e risemantizzazioni e per i molti problemi, sia concreti sia identitari,

che nel tempo hanno spinto cittadini e studiosi a definirla come “the ugliest street of

Amsterdam”. Oggi le istituzioni cittadine stanno cercando di risolvere alcuni di questi

problemi con diverse iniziative, tra le quali spicca il progetto Knowledge Mile, che

approfondirò in seguito. Prima di iniziare il mio lavoro di analisi sul presente della

Wibautstraat è stato necessario ricostruire i principali passaggi che caratterizzano il

suo passato e che giustificano in parte alcune dei problemi che oggi le istituzioni di

Amsterdam stanno cercando di affrontare. La Wibautstraat ha infatti una storia ricca

di trasformazioni che hanno modificato sensibilmente la sua identità, perché con il

passare degli anni sono cambiate sia la sua morfologia, sia le funzioni dei suoi spazi.

Tra la fine del XIX e l’inizio del XX secolo la strada non era propriamente tale, ma

ospitava la ferrovia che tagliava in due la parte est della città e che collegava

Amsterdam a Utrecht. Nella zona adiacente alle rotaie c’era un quartiere destinato alla

classe operaia, con abitazioni popolari e numerose fabbriche di birra (Fig. 21).

Figura 21. Un’immagine del 1910 della stazione Rhijnspoor che si trovava all'inizio dell’attuale

Wibautstraat.

Nel 1930 ci fu il primo cambiamento importante: il percorso dei treni fu deviato e

furono smantellate le rotaie per riutilizzare lo spazio liberato costruendo un grande

158

viale che, secondo i progettisti, avrebbe dovuto rivaleggiare con i Champs-Èlysées di

Parigi o con la Stalin-Allee (ora Karl-Marx-Allee) di Berlino79.

I lavori terminarono nel 1950 (Fig. 22), ma la Wibautstraat non fu mai all’altezza

delle aspettative. Innanzi tutto, l’arteria a quattro corsie che fu costruita, pur essendo

utile per la mobilità su ruote, era molto diversa dalle altre strade cittadine. La zona

circostante, inoltre, si sviluppò in modo disomogeneo e disordinato, con edifici

lussuosi accanto a costruzioni misere e poco curate, il che creava al quartiere forti

problemi identitari. Il risultato fu doppiamente negativo: da una parte si assistette a

un aumento del traffico, con i conseguenti problemi di inquinamento atmosferico e

sonoro, dall’altra si registrò un allontanamento delle persone che cominciarono a

vivere l’arteria come una barriera tra la sponda del fiume Amstel, ricca di attività, e gli

altri quartieri della città.

Figura 22. Un’immagine della Wibautstraat al termine dei lavori di trasformazione nel 1950.

79 “FA Workshop: Amsterdam’s Club Trouw and Wibautstraat” di René Boer, Michiel van Lersel, Mark Minkjan, relazione del workshop sulla storia e gli attuali sviluppi del Club Trouw e della Wibautstraat organizzato da Failure Architecture, piattaforma di ricerca che mira ad aprire nuove prospettive sui fallimenti urbani: https://www.failedarchitecture.com/club-trouw-and-the-rise-and-fall-of-the-wibautstraat/, consultato il 12 settembre 2018.

159

Per molti anni non ci furono altri cambiamenti: i cittadini e le imprese che operavano

nell’area continuarono a percepire la zona come problematica, cominciando

lentamente ad abbandonarla. All’epoca gli spazi della Wibautstraat erano usati quasi

esclusivamente da pendolari in macchina o in metropolitana, il che gettava le basi per

una delle interpretazioni principali della via: un gate per entrare e uscire dalla città

velocemente.

Considerando che in semiotica il senso di un oggetto o di un soggetto è definito

innanzi tutto in negativo, cioè partendo da cosa esso non è, è fondamentale mettere in

evidenza gli elementi e le caratteristiche architettoniche della strada che tuttora

portano i cittadini a considerarla come estranea al resto della città. Gli abitanti di

Amsterdam, abituati a una città a misura di persona, con strade strette, piccoli ponti

ed edifici storici tendenzialmente bassi, si trovarono ad avere a che fare con un’arteria

molto trafficata e circondata da grandi palazzi relativamente recenti e poco curati. Ciò

fece sì che la Wibautstraat fosse vissuta come qualcosa di estraneo, un luogo di cui gli

abitanti di Amsterdam non si sentivano più proprietari.

D’altro canto, le differenze architettoniche tra questa zona e il resto della città si

notano anche oggi e sono riassunte dalla tabella che segue:

Wibautstraat Il resto di Amsterdam

Strada a più corsie adatte alle auto Strade strette, spesso solo pedonali o

per ciclisti

Strada rettilinea e lunga Strade spesso tortuose e brevi

Ponte ampio che si mimetizza nella

strada

Ponti piccoli, pittoreschi e spesso

pedonali

Edifici recenti, non caratteristici Edifici storici, caratteristici

Edifici alti Edifici tendenzialmente bassi

Le categorie semantiche su cui si basa la relazione tra la Wibautstraat e il resto di

Amsterdam sono principalmente tre: passato vs recente; largo vs stretto e centro vs

160

periferia. L’opposizione passato vs recente emerge a un primo sguardo: mentre

Amsterdam è celebre per l’architettura medioevale e suggestiva, la Wibautstraat

presenta eclusivamente edifici di diversi piani e di recente costruzione. Ciò toglie

fascino e identità a questa zona di Amsterdam, che potrebbe far parte di molte altre

città europee di costruzione post-bellica. L’opposizione largo vs stretto invece fa

riferimento alla conformazione dello spazio: mentre la maggior parte delle strade di

Amsterdam sono strette, tortuose e spesso non percorribili dalle automobili, la

Wibautstraat è molto ampia, tanto da dedicare appositi spazi al passaggio dei mezzi

motorizzati (con una carreggiata a quattro corsie), ai ciclisti (grazie alla pista ciclabile)

e ai pedoni (grazie al marciapiede). Le caratteristiche della Wibautstraat favoriscono

soprattutto gli spostamenti su ruote, rendendoli più semplici e meno pericolosi di altre

zone della città, e in questo modo contribuiscono all’interpretazione di questa strada

come il gate cittadino. L’opposizione centro vs periferia riassume infine le precedenti: la

Wibautstraat è percepita come periferica sia per la presenza dei grandi edifici recenti,

e a volte poco curati, sia per l’ampio spazio dedicato al transito dei veicoli. In questo

caso è importante sottolineare che l’opposizione non si basa sulla lontananza dal

centro, dato che alla stessa distanza troviamo altre zone in cui l’effetto periferia è quasi

assente, ma si fonda sul’aspetto della strada e sul modo in cui le persone fruiscono dei

suoi spazi.

Tutte queste differenze fanno sì che i cittadini non percepiscano la strada come

un’area familiare, che fa parte a pieno titolo della città di Amsterdam, ma che la vivano

come uno spazio diverso, privo delle caratteristiche tipiche della capitale olandese, che

sono di solito valorizzate positivamente. La Wibautstraat è spesso vista come qualcosa

di separato, utile solo come percorso comodo per raggiungere o lasciare il centro

cittadino, un percorso che non è parte integrante della città.

Per Marrone e Pezzini (2006, p. 9) la città è un “testo scritto a più mani, in cui si

iscrivono, si scontrano e coabitano progetti di vita, cosmologie e desideri di più attori,

individui e collettività”. In questo senso la città è uno “spazio culturale” in cui agiscono

strategie che tendono a “opporsi ai mutamenti e mantenere un’omogeneità di fondo”

(ibidem). Sono queste le strategie che hanno fallito nel caso in esame perché la

Wibautstraat è stata, e in parte ancora oggi è, un elemento di rottura dell’omogeneità

che costruisce l’identità di Amsterdam.

161

Negli ultimi dieci anni lo sforzo per cambiare la situazione da parte di

imprenditori locali e istituzioni è stato rilevante e ha prodotto i primi risultati positivi.

Nella parte della Wibautstraat più vicina al centro di Amsterdam è stato costruito

l’Amstel Campus, un campus universitario che fin dalla sua progettazione intendeva

offrire a studenti e cittadini qualcosa in più delle semplici strutture per lo studio e la

didattica. Presso il campus troviamo infatti anche un parcheggio a due piani, alcuni

spazi commerciali e una grande struttura dedicata alla ristorazione. La costruzione del

campus e il conseguente ripopolamento dell’area hanno portato anche allo sviluppo

graduale di diverse attività commerciali e ricettive lungo quasi tutta la via.

Dal 2013, infine, l’Hogeschool van Amsterdam porta avanti il progetto Knowledge

Mile80, che vuole trasformare quella che è stata per molti anni percepita come la strada

più brutta della città nell’“Amsterdam’s smartest street” (Comiteau 2017). Matthijs ten

Berge, direttore dell’Amsterdam Creative Industries Network81 della Hogeschool van

Amsterdam, intende tramutare la grande arteria cittadina in “a living laboratory in

which to solve today’s urban problems” (ivi, p. 157). Nell’ambito del progetto, con la

creazione di una comunità locale composta da istituzioni, imprenditori e cittadini, si

cerca di comprendere meglio i problemi che caratterizzano la zona e si collabora per

cercare di risolverli facendo uso delle tecnologie più avanzate.

Grazie a queste iniziative la Wibautstraat comincia a non essere più vissuta come

una zona da evitare, se non per transitare dal centro o verso di esso, ma come un luogo

multifunzionale capace di attirare molte persone. Ciò nonostante, il lavoro di

riqualificazione della zona, sia nella pratica, sia nell’immaginario collettivo, non è

ancora terminato.

4.5. Il corpus

La parte più innovativa della mia ricerca è legata al fatto che ho cercato di studiare la

strada analizzando anche alcuni corpora di dati digitali eterogenei e prodotti da chi

80 Knowledge Mile project: http://knowledgemile.amsterdam/home, consultato il 12 settembre 2018. 81 Amsterdam Creative Industries: http://www.hva.nl/create-it/onderzoek/amsterdam-creative-industries-network/amsterdam-creative-industries-network.html, consultato il 12 settembre 2018.

162

vive quel luogo quotidianamente. Il mio studio si è infatti sviluppato in tre fasi

principali:

(1) l’analisi di due grandi corpora di dati raccolti dal Citizen Data Lab con la

collaborazione dei cittadini e per mezzo di un’applicazione appositamente

sviluppata e chiamata Measuring Amsterdam;

(2) l’analisi di un corpus di post condivisi su Instagram in marzo e aprile 2017,

geolocalizzati presso la strada o contenenti l’hashtag #Wibautstraat;

(3) un periodo di osservazione sul campo della strada e delle pratiche umane che

vi si realizzano, con una metodologia ispirata all’etnosemiotica. Ciò ha portato

alla raccolta e all’analisi di altri dati sulla Wibautstraat in forma di appunti,

fotografie, brevi video e informazioni sulle attività commerciali.

Le prime due collezioni di dati, che d’ora in poi chiamerò Measuring Amsterdam 1 e

Measuring Amsterdam 2, sono state raccolte rispettivamente nel 2014 e nel 2015 dal

Citizen Data Lab durante i due Measuring Amsterdam Events. I dati collezionati con

l’applicazione hanno permesso di ottenere informazioni inerenti alla sfera percettiva e

interpretativa delle persone che esperiscono il luogo studiato, andando oltre le

semplici rilevazioni automatiche di dati relativi ad esempio all’inquinamento

atmosferico o al traffico.

4.5.1 Dataset: Measuring Amsterdam 1

Measuring Amsterdam 1 (Appendice 6.2) è un database composto da 1054 rilevazioni

suddivise in quattro domini – traffic, social, environment/safety e multimedia – frutto della

scelta dei partecipanti tra le variabili disponibili nel menù a tendina dell’applicazione.

Durante l’evento infatti è stato chiesto ai cittadini di scaricare e usare l’App Measuring

Amsterdam per raccogliere Open Data. Essi dovevano osservare una certa porzione

della strada, accedere all’applicazione sul proprio smartphone, selezionare un

dominio, scegliere una delle variabili disponibili, registrare la propria posizione e

caricare il dato rilevato. Per maggior chiarezza vediamo un caso concreto di

rilevazione riguardo al dominio social. Ogni volta che i partecipanti hanno visto

gruppi di due o più persone interagire lungo la strada hanno potuto segnalarlo,

arricchendo la rilevazione con alcuni dettagli sulla situazione osservata. Nella tabella

163

che segue vediamo che in questo caso l’utente si è trovato a rispondere a tre domande:

“how many people are interacting?”, “what is the group’s composition (gender)?” e “are they

touching while interacting? If so, where?”. In questo modo ha potuto inserire

informazioni sul numero di persone che stavano osservando, sul loro genere e sulla

presenza o mancanza di contatto fisico tra loro.

Variable Input type Description

How many people are

interacting?

Options Select whether 2 people or a group are

interacting.

What is the group’s

composition (gender)

Options Select the gender composition of the

interacting group.

Are they touching while

interacting? If so,

where?

Options Select where (if anywhere) people are

touching each other, while interacting.

Ognuna delle rilevazioni è stata anche geolocalizzata, permettendo la

rappresentazione automatica dei dati su una mappa digitale. Il Citizen Data Lab mi ha

fornito questi dati in una tabella Excel in cui a ogni riga corrisponde una singola

rilevazione e a ogni colonna una sua diversa caratteristica. Vediamone un esempio:

lat long Touch interaction

value

Group size

value

gender

52.3589441 4.9086803 Head Two mf

Cercando di tradurre nel linguaggio ordinario il contenuto di questa singola

rilevazione possiamo dire che in un determinato punto della strada, identificato grazie

alle coordinate di latitudine (52.3589441) e longitudine (4.9086803), sono state

osservate due persone, un uomo e una donna, mentre interagivano e, almeno una delle

due, toccava il viso all’altra/o. Comprendiamo che questa impostazione nella raccolta

di dati impone un limite alle possibilità espressive di chi osserva le situazioni che si

realizzano nell’ambiente urbano. I partecipanti ad esempio non hanno potuto dire

nulla sul tipo di interazione osservata: era un veloce saluto tra conoscenti o una

164

chiacchierata rilassata seduti su una panchina? Le persone ridevano e scherzavano, o

litigavano? Il contatto fisico corrispondeva a una carezza tra fidanzati o a uno schiaffo

tra sconosciuti?

Nessuno di questi quesiti può trovare una risposta nei dati raccolti perché le

domande poste ai partecipanti dall’applicazione erano molto specifiche e non

lasciavano spazio a forme di personalizzazione delle risposte. Il Citizen Data Lab ha

fatto questa scelta per ottenere dati più omogenei possibile, con l’obiettivo di

analizzarli e rappresentarli in modo automatico con sistemi statistici e informatici.

Questo accorgimento ha infatti permesso loro di creare in tempi brevi forme di data

visualisation che, pur non rendendo conto di tutti i dettagli delle situazioni osservate,

possono dare l’idea di ciò che accade lungo la Wibautstraat. Le infografiche prodotte

rappresentano visivamente numeri e percentuali sulla presenza o l’assenza di

fenomeni e situazioni molto eterogenee.

La Fig. 23 mostra ad esempio parte dei risultati del dominio multimedia. In

specifico vediamo cosa stessero facendo le persone osservate mentre usavano un

dispositivo mobile come uno smartphone, un tablet o un computer. La Fig. 24 mostra

invece i risultati del dominio environment/safety e comprende una serie di elementi che

descrivono l’ambiente (ad esempio la presenza di fiori, piante o panchine) e che

segnalano alcune situazioni considerate pericolose o problematiche (ad esempio la

presenza di barriere architettoniche o i bidoni della spazzatura pieni).

165

Figura 23. Infografica sull'uso di device elettronici lungo la Wibautstraat.

Figura 24. Infografica sugli elementi che rendono la zona poco sicura non accogliente.

166

4.5.2 Dataset: Measuring Amsterdam 2

Il secondo database è stato raccolto durante il Measuring Amsterdam Event 2015

(Appendice 6.3 e 6.4). In quell’occasione è stato chiesto ai partecipanti di individuare i

problemi che a loro parere rendevano la zona “non sana” o “poco accogliente”, e di

ipotizzare alcune soluzioni per migliorare la situazione. Come vediamo nella Fig. 25,

l’interfaccia della versione di Measuring Amsterdam sviluppata per l’evento era molto

semplice e intuitiva. I partecipanti hanno descritto i problemi rilevati inserendo un

testo verbale nel campo “PROBLEM” e caricando una fotografia della situazione,

dopodiché hanno ipotizzato una soluzione possibile inserendo un altro testo verbale

nel campo “SOLUTION”.

Figura 25. Interfaccia della seconda versione di Measuring Amsterdam.

Grazie all’iniziativa sono state raccolte 55 rilevazioni, ognuna composta da queste

informazioni: un numero identificativo del singolo dato e del gruppo che ha fatto la

misurazione, il testo del problema, la sua immagine, il testo della soluzione e la

posizione geografica della situazione negativa individuata, sotto forma di latitudine e

longitudine. Il Citizen Data Lab ha pubblicato i dati raccolti in un sito web che è stato

167

accessibile per circa due anni82 e di cui vediamo un frammento nella Fig. 26. Per

agevolare il mio lavoro su questo materiale i ricercatori del Citizen Data Lab mi hanno

fornito una copia del database in un file Excel e hanno collaborato attivamente con me

nella traduzione di una parte dei testi verbali dal neerlandese all’inglese.

Figura 26. Dati su problemi e soluzioni.

4.5.3 Superare i limiti dei dati del Citizen Data Lab: Instagram dataset

I dati raccolti dal Citizen data Lab danno informazioni su tantissimi aspetti della

Wibautstraat, ma da soli non sono sufficienti per comprendere a fondo l’articolazione

dei suoi spazi, le pratiche sociali che vi si realizzano e l’intreccio fra le due cose.

Innanzitutto, i dati sono stati prodotti durante eventi che avevano obiettivi molto

specifici e quindi sono stati necessariamente influenzati dalle domande di ricerca del

Citizen Data Lab e dalle istruzioni date ai partecipanti. Con il primo Measuring

Amsterdam Event si volevano osservare solamente alcuni aspetti di ciò che accade lungo

la strada: le persone ad esempio hanno osservato coloro che usavano device mobili,

82 Pagina web che ospitava la lista di problemi riscontrati e di soluzioni ipotizzate durante il secondo Measuring Amsterdam event: http://www.measuringamsterdam.nl/datalist/wibautstraat. Il sito è stato consultabile fino a maggio 2017. Da quella data in poi chi è interessato può accedere ai dati contattando il Citizen Data Lab.

168

ma non hanno registrato alcun dato su chi sedeva semplicemente sulle panchine, senza

usare dispositivi elettronici. Durante la raccolta del secondo dataset è stato invece

chiesto ai cittadini di segnalare solo i problemi urbani che identificavano, ignorando

gli aspetti positivi della strada. Comprendiamo che un punto di vista così parziale non

può dare un quadro completo e oggettivo dell’attuale situazione nella Wibautstraat e

delle pratiche umane che vi si svolgono.

I dati del CDL, infine, non sono attuali e risalgono rispettivamente al 2014 e al

2015. Nel frattempo, possono essere cambiate molte cose, non rilevabili usando

informazioni in parte obsolete.

Per far fronte ad alcune di queste mancanze e costruire un quadro più completo

della zona, ho deciso di integrare il corpus testuale con un ulteriore dataset composto

da 117 immagini (Appendice 6.5) condivise su Instagram nei mesi di marzo e aprile

2017, geolocalizzate presso la Wibautstraat e/o contenenti l’hashtag #Wibautstraat.

Tra i diversi social network, la scelta è ricaduta su Instagram perché è la piattaforma

di riferimento per quel che riguarda il visual storytelling (Boero 2018). I post condivisi

su Instagram infatti non sono altro che narrazioni di tipo visivo (ibidem) che

documentano esperienze e pratiche della vita quotidiana degli utenti. I contenuti

presenti sulla piattaforma funzionano anche come aggregatori di utenti “in termini di

richiesta di intrattenimento sottoforma di usufrutto della testimonianza dell’utente e

del contributo che quest’ultimo offre sulla piattaforma con la finalità di essere visto”

(D’Amico 2013, p. 46). Instagram infine è stato progettato per condividere foto che gli

utenti considerano in media esteticamente “belle”, e che sono ulteriormente abbellite

anche con l’uso dei filtri. Su Instagram le persone tendono a condividere immagini di

ciò che apprezzano, amano o desiderano. Pur essendo questa solo una tendenza,

Instagram si è dimostrata un’ottima fonte di dati digitali sugli aspetti positivi dell’area.

Lo studio di testi più recenti che valorizzano positivamente la strada o una sua parte

mi ha permesso di equilibrare il corpus che già offriva numerose informazioni

riguardo al passato recente della Wibautstraat e ai problemi riscontrati dalle persone.

169

4.5.4 Osservazione sul campo

Al termine dell’analisi dei corpora che ho appena presentato, ho deciso, in accordo con

il gruppo di ricerca, di svolgere un periodo di osservazione sul campo in modo da

validare o confutare le prime ipotesi sulle dinamiche che interessano la strada.

Per mettere a fuoco le caratteristiche della Wibautstraat con uno sguardo

semiotico è infatti necessario andare oltre l’analisi testuale e fare un lavoro sistematico

di contestualizzazione dei dati raccolti. Solo con uno studio globale della strada è stato

possibile individuare i contenuti impliciti in alcuni dei testi verbali creati da chi quel

luogo lo vive e lo conosce profondamente. Il testo del problema espresso come

“Rotterdam-like vibe. Windy. Ongezellig” (“atmosfera simile a Rotterdam. Ventoso.

Asociale”) assume ad esempio il suo significato in relazione ad alcune differenze

architettoniche percepibili in questa zona rispetto al resto della capitale olandese. I

grandi edifici di epoca post-bellica e l’ampia strada a quattro corsie, che spesso diventa

una vera e propria galleria del vento, si oppongono in modo netto alle case pittoresche

e alle strade strette, tortuose e incorniciate dai canali del centro di Amsterdam. Queste

differenze creano un’atmosfera percepita come un problema e portano le persone ad

accostarla alla città di Rotterdam, nota per la sua architettura recente. Tutto ciò non era

intuibile con la sola analisi testuale, a ha richiesto l’approfondimento attraverso

ulteriori testi e l’osservazione diretta della zona studiata.

Attraverso l’osservazione, da un lato ho puntato a comprendere meglio come

l'area appare ai cittadini, nel senso della sua architettura, dei servizi offerti, della

disposizione degli spazi e degli arredi urbani. Dall'altro, ho osservato con più

attenzione i comportamenti delle persone che vivono quei luoghi, cercando di capire

come la configurazione degli spazi possa influenzare le condotte umane. Grazie

all’osservazione diretta ho infine raccolto e poi analizzato un’ulteriore serie di

informazioni e testi sulla Wibautstraat in forma di appunti e fotografie, che hanno

arricchito il corpus testuale.

4.6. Analisi e metodologia

Negli anni la disciplina semiotica ha dato prova di poter studiare e analizzare

moltissimi tipi di testi: dai testi narrativi a quelli visivi, dalle pratiche umane agli spazi

170

urbani e non solo. Ciò nonostante, nei capitoli precedenti abbiamo visto che

scarseggiano gli studi dedicati all’analisi semiotica dei grandi corpora di dati digitali

che oggi, come utenti web, creiamo e consultiamo quotidianamente (cfr. Aiello 2013;

Lampignano 2015; Marino, Terracciano 2015).

I corpora di dati digitali che ho analizzato includono descrizioni, osservazioni,

percezioni e interpretazioni parziali di uno stesso luogo e analizzarli nel loro

complesso mi ha permesso di individuare i significati ricorrenti, le tendenze e gli effetti

complessivi di senso utili a comprendere meglio l’identità attuale dello spazio urbano

che stavo studiando. Detto in altri termini, ho considerato i dati come fossero tante

tessere di un unico puzzle che, se analizzate sistematicamente, possono restituirci un

quadro abbastanza chiaro, anche se ovviamente mai davvero completo, di ciò che

emerge dalla somma delle interpretazioni dei singoli produttori di ciascuna tessera. La

complessità di un luogo e dell'esperienza umana che vi si vive non è infatti mai

ricostruibile completamente, malgrado l'alto numero di informazioni disponibili. Ciò

nonostante, può essere perlomeno indagata per individuare tendenze e mettere in luce

i principali significati che le persone attribuiscono a un'area, capaci di influenzare il

loro comportamento. D’altra parte, per comprendere il funzionamento di una città, o

di una sua parte, bisogna

ridurre all’essenziale l’enorme numero d’elementi che a ogni secondo la città

mette sotto gli occhi di chi la guarda e collegare frammenti sparsi di un

disegno analitico e insieme unitario, come il diagramma di una macchina,

dal quale si possa capire come funziona (Calvino 1975, p. 282).

I post sui social media o le opinioni raccolte da Citizen Data Lab non sono infatti dati

utili solo a fini statistici, ma rappresentano pratiche interattive capaci di rimodulare i

confini e il significato del testo analizzato (Boero 2018, p. 2), che nel mio caso è una

strada cittadina. Quando la semiotica si occupa di testi come quelli presenti sui social

network, si deve confrontare con oggetti che si costituiscono “dal basso” e che

derivano dalla somma delle immagini individuali che compongono l’immagine

complessiva di un territorio (ivi, p. 8).

171

I database su cui ho lavorato hanno caratteristiche molto diverse e quindi

richiedono l’uso di diversi strumenti di analisi provenienti dalla semiotica tradizionale

che vedremo ora più nel dettaglio.

4.6.1 Measuring Amsterdam 1: identificazione di due macro-aree

I dati che compongono il primo dataset presentano alcune caratteristiche che li

rendono difficilmente analizzabili con strumenti semiotici. Essi infatti registrano solo

la presenza di alcuni fenomeni o alcune attività tra quelle disponibili tra le variabili

dell’applicazione. I dati in questione ad esempio non includono testi verbali, come

commenti o riflessioni, o testi visivi, come fotografie o immagini. I partecipanti del

primo Measuring Amsterdam Event, inoltre, non hanno potuto personalizzare in alcun

modo le misurazioni fatte, ma si sono limitati a segnalare, ad esempio, il numero di

persone che vedevano interagire o la presenza di luoghi pericolosi per anziani o

disabili. Tutto ciò ha fatto sì che fosse impossibile analizzare questo grande corpus di

dati con gli strumenti metodologici della semiotica.

Per questo ho deciso di dare un’interpretazione complessiva del primo dataset

creando alcune mappe digitali capaci di mostrare visivamente la presenza o l’assenza

di certi fenomeni in ciascuna porzione della strada analizzata. Visualizzando la

distribuzione nello spazio di misurazioni specifiche, è stato infatti possibile rispondere

ad alcune domande preliminari su come le persone fruiscono della strada in questione.

Con le mappe ho potuto identificare le zone della Wibautstraat più o meno frequentate

e fare le prime ipotesi sulle motivazioni di certi comportamenti. Ho potuto inoltre

comprendere quali tipi di azioni fanno le persone che frequentano la strada, in modo

da ipotizzare i principali percorsi narrativi che tali azioni tracciano.

Nella Fig. 27 vediamo ad esempio dove avvengono le interazioni spontanee tra

le persone, dove cioè i partecipanti hanno notato gruppi di due o più persone parlare

tra loro o avere un contatto fisico. Se ignoriamo il gruppo di rilevazioni nella parte più

alta della mappa, che riguarda la Wesperstraat, proseguimento naturale della

Wibautstraat ma fuori dai confini della mia ricerca, notiamo che i dati del dominio

social sono concentrati soprattutto nell’area del Campus universitario (284 rilevazioni),

che c’è un secondo gruppo più piccolo di rilevazioni (41) vicino al supermercato Albert

172

Heijn e alla fermata della metro, e che sono stati registrati solo pochi dati (13) nella

parte finale della strada. Anche isolando e visualizzando i dati relativi ai gruppi più

numerosi di due persone (Fig. 28), riscontriamo la stessa organizzazione: un maggior

numero di gruppi, probabilmente studenti, nell’area del campus, uno minore vicino al

supermercato e pochissime rilevazioni verso la fine della strada.

Figura 27. Social domain: interazioni tra coppie di persone (rosso) e tra tre o più persone (blu).

Figura 28. Social domain: interazione di gruppi di 3 o più persone (blu).

173

Uno degli obiettivi principali della ricerca era chiarire come si comportano oggi le

persone nelle diverse porzioni della via e come tendono a usare gli spazi.

Considerando poi che in passato la strada era interpretata frequentemente come il gate

della città, cioè un’arteria utile solo a entrare e uscire da Amsterdam in automobile o

con i mezzi di trasporto pubblici, ho voluto approfondire la distribuzione nello spazio

dei comportamenti umani che implicano la volontà o la necessità di trascorrere un

certo periodo sul posto.

Alcuni dati, ad esempio, danno informazioni su due azioni molto comuni per i

comportamenti umani di “attesa” o di “pausa”: fumare (Fig. 29) e usare device mobili,

come smartphone, tablet o laptop, mentre si sta seduti (Fig. 30).

Figura 29. Environment domain: persone che fumano.

Figura 30. Multimedia domain: uso device mentre si sta seduti.

174

La prima mappa mostra che tutti i dati relativi a persone che fumano sono stati

geolocalizzati nell’area del campus, riconfermando i dati del dominio social che

definivano questa zona come l’area più frequentata in assoluto. La Fig. 30 invece

mostra una struttura simile a quella della mappa sulle interazioni sociali, ma una

distribuzione più equilibrata. Abbiamo infatti il gruppo più ampio di dati nella zona

del campus (26), uno leggermente più piccolo nella zona del supermercato dove sono

presenti diverse panchine (23) e solamente due rilevazioni alla fine della via. Come si

può notare da queste mappe, i dati rilevati, pur facendo parte di domini diversi,

presentano una distribuzione analoga nello spazio.

Grazie a questa prima fase di analisi, insomma, possiamo già identificare le due

macro-aree più frequentate della strada, nonché le zone in cui le persone tendono a

trascorrere più tempo: la “campus area” e la “AH-Metro area”. Iniziamo così a capire

che il campus universitario e il supermercato Albert Heijn hanno un ruolo rilevante

per la definizione dell’identità dell’area e sono poli d’attrazione intorno ai quali

gravitano gruppi numerosi di cittadini, interessati rispettivamente a frequentare

l’università e fare la spesa. Sorvolando sulle differenze quantitative, ma analizzando

tutti i domini di dati disponibili, si nota che queste due zone condividono queste

caratteristiche: (1) sono le più affollate di pedoni e ciclisti; (2) sono le aree in cui sono

state segnalate più interazioni sociali; (3) sono le zone in cui è più probabile notare i

comportamenti umani tipici dell’”attesa” e della “pausa”, in altre parole attività che

implicano spendere un lasso di tempo sul posto, senza considerare la strada solamente

come un gate trafficato e poco vivibile; (4) sono le porzioni di strada con più verde

pubblico e panchine.

Come vedremo, ho usato le conclusioni tratte dallo studio del primo corpus di

dati digitali per indirizzare l’osservazione sul campo. Da un lato, ho cercato di definire

più nel dettaglio “ciò che succede” all’interno delle due macro-aree identificate: perché

sono le più frequentate? Presentano differenze nella conformazione dei loro spazi

rispetto al resto della strada? Quali sono i programmi d’azione che caratterizzano i

soggetti che le frequentano?

D’altra parte ho tentato di capire perché le persone mostrano meno interesse, o

addirittura evitano, le altre zone della via. Osservando gli spazi meno vissuti della

175

strada, mi sono chiesta ad esempio quali delle loro caratteristiche potrebbero

influenzare il comportamento delle persone: perché i cittadini che frequentano il

campus o che fanno acquisti al supermercato abbandonano la via e percorrono altre

strade dopo aver completato il proprio programma di azione? Quali caratteristiche

dello spazio rendono queste zone poco accoglienti per i pedoni? Ovviamente ho

osservato e analizzato anche le pratiche umane che si realizzano in questi spazi meno

affollati, per capire meglio come sono interpretati e usati dalle poche persone che li

frequentano: come si comportano i cittadini in queste zone? Cosa sembrano

apprezzare, disprezzare o ignorare?

4.6.2 Measuring Amsterdam 2: problemi e soluzioni possibili

Il secondo dataset raccoglie i problemi che i/le cittadini/e hanno notato presso la

Wibautstraat e le soluzioni ipotizzate dai partecipanti del secondo Measuring

Amsterdam Event. Ogni dato rilevato è composto da: un testo verbale che descrive o

commenta il problema individuato dal cittadino, una fotografia della situazione e un

altro testo verbale in cui il soggetto ipotizza una soluzione possibile. Ovviamente dati

di questo tipo sono capaci di fornire molte più informazioni qualitative sui luoghi che

stiamo analizzando e su ciò che vi accade. Inoltre, possono dirci molto anche su come

la zona è percepita dalle persone per quanto riguarda i suoi aspetti negativi. Come

vedremo, infatti, l’analisi semiotica del corpus “problemi-soluzioni” mi ha permesso

di: (1) identificare i tipi di problemi più spesso rilevati dai cittadini; (2) far luce sugli

attori che sono implicitamente o esplicitamente considerati responsabili di queste

criticità; (3) individuare i destinatari delle soluzioni ipotizzate.

Per lavorare su questo database ho organizzato i dati in un file Excel (Appendice

6.3) in cui ogni riga contiene: i testi verbali dei problemi e delle soluzioni in inglese

(tradotti con l’aiuto dei ricercatori del Citizen Data Lab nei casi in cui erano stati scritti

in olandese) e il link alla fotografia della situazione. Come prima cosa mi sono

occupata di individuare le principali isotopie presenti nei testi verbali, cioè le

ripetizioni di unità di significato o semi o componenti semantiche che quei testi

176

presentano, o ripetendo le stesse parole ma più spesso usando espressioni che

esprimono in modo implicito gli stessi significati83.

Ho poi inserito le isotopie all’interno delle relative righe del file Excel, insieme

alle parole, alle frasi e alle altre espressioni linguistiche che hanno permesso il loro

riconoscimento. Osservando sistematicamente e categorizzando le ripetizioni

semantiche individuate ho potuto trarre alcune conclusioni sull’argomento di cui

trattano i testi e cioè, in termini semiotici, ho potuto comprendere quali siano i topic

dei testi digitali raccolti.

Il risultato è stato una lista di topic, ordinati in base al numero di testi in cui quel

tema è stato rilevato, che mi è servita a comprendere quali siano gli argomenti percepiti

come più problematici nel luogo che stavo studiando. Questa è la lista che ho

individuato:

1. SPATIAL ORGANIZATION (13)

2. MOBILITY (12)

from pedestrians point of view (6)

from cyclists point of view (4)

from ferry point of view (1)

Mix point of view (1)

3. AESTHETICS (11)

4. PRIVACY (4)

5. GREEN (3)

6. ATMOSPHERE (3)

7. NOISE (3)

8. MAINTENANCE (2)

9. DRUG TOURISM (2)

10. WEATHER (2)

Esaminiamo ora i testi digitali che rientrano in ciascun topic:

83 Per una definizione di isotopia, cfr. Greimas e Courtés (1979, voce relativa), Marmo (2015 pp. 218-221), Pozzato (2001 pp. 107).

177

1. SPATIAL ORGANIZATION: la maggioranza dei testi fa riferimento a possibili

cambiamenti nell’organizzazione degli spazi e degli arredi urbani, per

semplificare alcune pratiche urbane come parcheggiare, fare shopping, rilassarsi

su una panchina o interagire con le persone. I/le cittadini/e non criticano quasi

mai gli elementi urbani, ma lamentano una scarsa attenzione da parte della

municipalità per i dettagli e fanno riferimento a problemi spesso risolvibili con

cambiamenti minimi. Una delle rilevazioni, per esempio, loda la presenza di una

fontana di acqua potabile vicino a uno degli edifici dell’università, ma ne critica

la posizione perché non abbastanza visibile per chi cammina lungo la

Wibautstraat, e di conseguenza spesso non abbastanza sfruttata.

2. MOBILITY: in passato la Wibautstraat era considerata una specie di varco di

entrata della città. Essa è infatti una strada molto lunga, ampia e trafficata e per

anni è stata interpretata come un luogo “da attraversare”, meglio se in automobile

o con mezzi pubblici, e non come un posto dove passare del tempo. Analizzando

i dati che riguardano il topic “mobility”, cioè quelli che fanno riferimento a

problemi o impedimenti nel fare determinati spostamenti o svolgere certe attività

(ad esempio “attraversare la strada” o “uscire dal supermercato con il carrello”),

ho cercato di comprendere se oggi la strada è ancora interpretata come un gate o

se, grazie ai cambiamenti degli ultimi anni, è diventata un “posto dove stare”.

Perciò ho analizzato i testi verbali, cercando di individuare i Programmi Narrativi

(PN) che caratterizzano chi ha risposto alle rilevazioni e li ho suddivisi in due

gruppi: “PN statici” e “PN dinamici”. Con “PN statici” intendo programmi

narrativi che implicano trascorrere del tempo sul posto “vivendo” il quartiere,

come “rilassarsi su una panchina” o “fare shopping in un negozio della zona”.

Con “PN dinamici” invece mi riferisco a programmi di azione che implicano

attraversare la Wibautstraat velocemente per andare altrove. Programmi narrativi

come “attraversare l’incrocio velocemente” o “prendere la metro” implicano

infatti continuare a concepire la strada solo come un percorso necessario per

raggiungere il centro cittadino. Una rapida verifica quantitativa dei due gruppi

mostra che la maggior parte dei PN individuati nel corpus sono statici, il che

suggerisce che la vecchia identità della Wibautstraat come semplice gate della città

sta gradualmente scomparendo. I/le cittadini/e riconoscono ancora l’importanza

178

della strada come arteria per il transito, ma cominciano anche a pensarla come un

luogo in cui vivere, lavorare e in generale trascorrere del tempo. Durante l’analisi

di questo gruppo di testi mi sono anche concentrata sulle soluzioni ipotizzate per

individuarne i destinatari, espressi implicitamente o esplicitamente. Chi è

considerato responsabile delle situazioni critiche riscontrate? A chi si chiede una

possibile soluzione del problema? Nella maggior parte dei casi le persone

chiedono interventi al Comune di Amsterdam e alle imprese locali (“a bridge or a

tunnel can be built” o “devote a place for creative freedom”), ma un discreto

numero di rilevazioni mostra che i/le partecipanti fanno spesso appello al senso

civico e all’educazione dei/delle cittadini/e (“people that pack the bikes nicely

together”) o chiedono una collaborazione attiva tra la municipalità e la

cittadinanza.

3. AESTHETICS: come sappiamo, la Wibautstraat è stata vista per anni come la

strada “più brutta” della città. Di conseguenza non stupisce che una buona

percentuale dei dati raccolti riguardi problemi legati all’estetica. Ma di quale tipo

di “bruttezza” parlano le persone? Per rispondere a questa domanda

approfondiamo le isotopie che abbiamo individuato. La più comune è «ugliness»

in generale, ma troviamo anche «lack of beauty», «boredom», «ageing buildings»,

«dirty», e «ugly street art». Ciò ci suggerisce che l’aspetto dell’area, molto diverso

dal resto di Amsterdam, è spesso percepito come una criticità: la conformazione

della strada e l’aspetto architettonico degli edifici che la circondano disattendono

le aspettative delle persone. Se compariamo le isotopie legate alla bruttezza con le

caratteristiche del resto di Amsterdam nell’immaginario collettivo dei suoi

abitanti, vediamo ad esempio che le isotopie «lack of beauty» e «boredom» si

oppongono ai tantissimi elementi architettonici o alle aree verdi esteticamente

apprezzabili che rendono la città interessante e bella. Lo stesso vale per l’isotopia

«ageing buildings»: nessuno definirebbe le case tipiche della capitale olandese

come “vecchie”, ma più probabilmente esse sarebbero interpretate come

“antiche”, “storiche” o “caratteristiche”. Le isotopie «dirty» e «ugly street art»

fanno invece riferimento allo stato di trascuratezza di alcune porzioni della strada,

in cui sono stati notati materiali da costruzione lasciati in modo disordinato,

spazzatura per terra, opere di street art non curate e graffiti selvaggi. Esaminando

179

più in dettaglio le isotopie che abbiamo individuato nei testi verbali che

descrivono le soluzioni ipotizzate dai/dalle cittadini/e, comprendiamo infine

cosa farebbero le persone per risolvere i problemi che segnalano: i dati ci dicono

che i/le cittadini/e chiedono più attenzione verso la progettazione e

l’organizzazione degli spazi, degli arredi urbani e dei cantieri per i lavori pubblici,

che vorrebbero un quartiere più pulito, vivace e accogliente e che propongono più

volte di organizzare iniziative per artisti, per rendere la zona esteticamente più

piacevole e interessante. In questo caso la valorizzazione espressa dai soggetti nei

confronti dell’arte di strada è profondamente diversa da quanto emerge

dall’analisi dei testi verbali che segnalano problemi estetici: mentre l’arte di strada

libera e non regolamentata è spesso percepita come un problema, o meglio come

un elemento che aggrava lo stato di trascuratezza dell’area, l’organizzazione di

eventi che coinvolgano artisti per la creazione di opere di street art in alcune zone

della Wibautstraat è proposta più volte come una soluzione interessante.

4. PRIVACY: tutti i testi che rientrano nel topic “privacy” criticano le molte

telecamere a circuito chiuso installate lungo la strada. I partecipanti lamentano la

mancanza di informazioni su chi vedrà le immagini registrate e quale uso ne farà:

il sistema di videosorveglianza non è interpretato come garanzia di sicurezza ma

come violazione della privacy. La mancanza di trasparenza sposta l’attenzione

delle persone dalle potenzialità offerte dalle telecamere in termini di sicurezza, ai

dubbi su ciò che sarà fatto con le immagini (“Who is watching? Not sure”).

5. GREEN: le tre rilevazioni che parlano degli spazi verdi lungo la via non li

considerano ovviamente un problema. Al contrario, i cittadini fanno notare che è

possibile fare di più per arricchire la zona con piante e giardini, nonostante

riconoscano almeno parzialmente gli sforzi fatti finora in questa direzione (“sì, c'è

del verde. Il primo passo è stato fatto ma solo da una parte della strada”)84.

6. ATMOSPHERE: una parte dei problemi rilevati non riguarda particolari elementi

o spazi urbani, ma situazioni complesse valorizzate disforicamente dai soggetti.

Ho deciso di riunire questi testi all’interno del topic “atmosphere”, intendendo con

84 Testo della rilevazione in lingua originale: “Ja er is groen. De 1e stap is gezet maar nog heel eenzijdig”.

180

questo termine la “condizione, il modo d’essere di un determinato ambiente, in

relazione ai sentimenti e alle reazioni che può suscitare, ai rapporti umani, o

sociali, o culturali che vi si stabiliscono tra individuo e individuo”85. Uno dei testi

ad esempio definisce la zona poco viva e suggerisce di aumentare il numero delle

abitazioni per studenti che, vivendo lungo la Wibautstraat, frequenterebbero con

molta probabilità i locali e i ristoranti disponibili, rendendo l’area più giovane e

vivace. Gli altri testi che esprimono questo topic, invece, riconoscono la

Wibautstraat e alcuni suoi elementi come estranei rispetto al resto della città.

L’atmosfera che vi si respira è infatti paragonata a quella di Rotterdam

(“Rotterdam-like vibe”), nota per i suoi grattacieli e i suoi edifici di recente

costruzione. Infine, una delle rilevazioni riconosce nella grande officina meccanica

che si affaccia direttamente sul marciapiede della Wibautstraat un elemento che

non dovrebbe appartenere a questo luogo (“This doesn't belong here”),

probabilmente perché tipico delle zone periferiche. La Wibautstraat infatti, pur

trovandosi a pochi passi dal centro storico, presenta alcuni tratti che la

caratterizzano come una tipica strada periferica. Non a caso la persona che ha

prodotto il commento in questione propone di sostituire l’officina con una galleria

d’arte, elemento tipico delle strade del centro cittadino.

7. NOISE: il rumore ambientale dovuto al traffico è considerato da diversi cittadini

come un problema da risolvere al più presto (“Noise from traffic”; “To much

noise”). Per porre una maggiore enfasi su questo tema uno dei partecipanti al

Measuring Amsterdam Event ha addirittura fotografato sé stesso mentre si protegge

le orecchie con le mani esprimendo fisicamente il suo disappunto. Per risolvere la

questione tutti i partecipanti hanno suggerito di ricorrere a sistemi antirumore e

barriere acustiche che renderebbero la zona più vivibile anche per i pedoni e i

ciclisti.

8. MAINTENANCE: alcune delle rilevazioni non criticano gli spazi e gli arredi

urbani della Wibautstraat, ma lamentano una scarsa pulizia o una manutenzione

troppo poco frequente. Durante l’evento per la raccolta dei dati ad esempio un

partecipante ha espresso apprezzamento per la presenza di un campo da calcetto

85 Definizione del termine “atmosfera” del vocabolario Treccani online: http://www.treccani.it/vocabolario/atmosfera/, consultato il 12 settembre 2018.

181

pavimentato a disposizione di tutti, ma si è lamentato perché era sporco,

suggerendo di pulirlo più spesso (“il campo da calcio è molto bello, ma deve

essere tenuto pulito”)86. Un’altra persona ha invece focalizzato l’attenzione su

alcuni paletti storti e ammaccati che si trovano all’ingresso del supermercato,

dicendo che andrebbero sostituiti (“pali storti. Sostituire”)87.

9. DRUG TOURISM: due dei testi raccolti dal Citizen Data Lab esprimono

disappunto per la presenza nel quartiere dei turisti, che vedono in Amsterdam

solo la meta ideale per vivere momenti di trasgressione al di fuori delle regole

della quotidianità. La politica tollerante di Amsterdam verso l’uso di droghe

leggere e l’alto numero di spacciatori di droghe pesanti che stanziano nelle strade

del centro storico fanno della capitale olandese un luogo capace di attirare il

cosiddetto “turismo della droga”, composto da persone interessate più a vivere

momenti di trasgressione che a visitare la città. Il comportamento di queste

persone infastidisce chi invece considera Amsterdam una città in cui vivere,

lavorare e magari crearsi una famiglia. Uno dei partecipanti ad esempio si lamenta

dei turisti che chiedono continuamente ai residenti dove sia il coffeshop più vicino

e propone scherzosamente di costruire un recinto che impedisca loro di uscire dal

centro storico (“turisti dov'è il prossimo coffeshop? Recinto per turisti perduti”)88.

Un'altra persona ha fotografato la locandina di un evento di musica elettronica

organizzato nella zona e ha commentato l’immagine suggerendo di organizzare

altri generi di eventi musicali perché quelli dance attirano turisti interessati solo

allo sballo (“eventi dance Amsterdam: attirano molto turismo della droga.

Spostare l’attenzione su altri eventi”)89.

86 Testo della rilevazione in lingua originale: “Voetbalveldje is heel leuk, maar moet wel schoongehouden worden”. 87 Testo della rilevazione in lingua originale: “Schefe paaltjes. Vervangen.” 88 Testo della rilevazione in lingua originale: “Tourist where is there nearest cofee shop? Hek om centrum tegen verdwaalde touristen”. 89 Testo della rilevazione in lingua originale: “Amsterdan dance event: trekt veel drugstoerisme aan. Richten op andere evenementen”.

182

10. WEATHER: gli autori dei due testi che riguardano il topic “weather” hanno

probabilmente voluto suscitare ilarità in chi avrebbe poi analizzato i dati. Le due

rilevazioni infatti descrivono come un problema il clima della città, sul quale

ovviamente nessuno può agire. Una delle fotografie ad esempio mostra un

venditore ambulante chiaramente infreddolito ed è accompagnata da un testo che

lamenta il troppo freddo e il forte vento.

4.6.3 Instagram dataset: i punti di forza della strada

Per ottenere un quadro più completo dell’attuale situazione della Wibautstraat ho

integrato l’analisi dei dati raccolti dal Citizen Data Lab con quella di un corpus di

immagini condivise pubblicamente su Instagram nei mesi di marzo e aprile 2017,

geolocalizzate presso la strada e/o contenenti l’hashtag #Wibautstraat. In questo

modo ho cercato di ottenere informazioni più aggiornate sulla via, capaci anche di

mostrarne i punti di forza e non solo i problemi.

Il corpus di contenuti Instagram è stato costruito in due tappe. In un primo

momento ho raccolto i testi usando uno strumento informatico sviluppato dal gruppo

di ricerca Digital Methods Initiative90 dell’Università di Amsterdam (§ 2.1.2) chiamato

Instagram Hashtag Explorer91. Questo strumento permette di recuperare tutti i post

pubblici condivisi su Instagram in un certo lasso di tempo in base a un hashtag o a una

localizzazione nello spazio, espressa come latitudine e longitudine. Ho interrogato

Instagram Hashtag Explorer inserendo l’intervallo temporale che va dal 1 marzo al 30

aprile 2017 e le coordinate spaziali che Google Maps attribuisce alla Wibautstraat

(52.3540218; 4.912329699999987). Ho deciso di utilizzare queste coordinate perché

corrispondono alla fermata della metropolitana che si trova circa a metà della strada.

Ho impostato poi l’applicazione per recuperare i post condivisi a una distanza

massima di 500 metri dal punto scelto e ho così ottenuto un dataset composto da 3819

post, corredati da alcuni metadati.

90 Questo è il sito web del gruppo di ricerca Digital Methods Initiative: https://wiki.digitalmethods.net/Dmi/DmiAbout, consultato il 12 settembre 2018. 91 Questa è la pagina che ospita lo strumento open source Instagram Hashtag Explorer: https://wiki.digitalmethods.net/Dmi/ToolInstagramHashtagExplorer, consultata il 12 settembre 2018.

183

Per ognuno dei post raccolti, le informazioni più rilevanti che fornisce Instagram

Hashtag Explorer sono queste:

• la data di creazione;

• la posizione nello spazio da cui è stato condiviso espressa come longitudine e

latitudine;

• il numero di commenti e like che ha ottenuto;

• il tipo di filtro che è stato usato dall’utente per ritoccare l’immagine;

• il commento e l’elenco di hashtag che lo accompagnano;

• il link per raggiungerlo.

Questo strumento si presta a diversi obiettivi di ricerca e, di volta in volta, si può

scegliere di usare e approfondire solo alcune delle informazioni fornite

dall’applicazione. Considerando che la pratica di taggatura delle immagini ha un ruolo

di primo piano per la comunità degli instagrammers, ho preso in considerazione

soprattutto gli hashtag usati dalle persone per descrivere e rendere reperibili i post

geolocalizzati presso la Wibautstraat.

Festi (2014) descrive l’hashtag come un segno complesso che opera

contemporaneamente su scenari diversi.

Per un verso, esso assume una valenza indicale doppia nella relazione con

l’immagine cui è collegato e con la classe aperta di occorrenze cui il tag

ascrive immediatamente l’oggetto (è un segno connettore). Il tag funziona

come snodo connettivo proprio perché i tag non sono necessariamente

categorie sotto cui portare l’immagine (la filosofia del tag è senz’altro

rizomatica e post-kantiana...) (Festi 2014, p. 19).

La possibilità di scrivere qualsiasi testo verbale e di trasformarlo in tag inserendo il

cancelletto all’inizio della parola dà agli hashtag una particolare valenza enunciativa.

I tag sono semioticamente interessanti perché offrono prospettive di semantizzazione

che valorizzano diversi aspetti della foto. Nei casi più semplici supportano una

strategia rappresentazionale (ivi, p. 20), perché si limitano a registrare il contenuto

figurativo dell’immagine o una sua parte: inserire ad esempio termini come #sky o

#sea serve ad attivare le valenze iconiche dell’immagine e a creare un’aspettativa, per

184

cui gli utenti si aspetteranno di vedere un cielo o un paesaggio di mare. Tuttavia, i tag

possono rapportarsi alle immagini che accompagnano in moltissimi altri modi:

possono essere usati nell’ambito di strategie autorappresentazionali (ibidem) –

pensiamo ad esempio all’uso dell’hashtag #me che identifica figurativamente il

personaggio ritratto o #happy che invece descrive lo stato d’animo dell’autore del

contenuto – o possono collegarsi ad aspetti legati al piano dell’espressione e fare

riferimento all’uso o all’assenza di filtri per ritoccare le immagini – ad esempio #lark

o #nofilter. Infine, la stringa di testo può contenere espressioni composte da più parole

che in alcuni casi vanno a comporre vere e proprie keyword riconosciute e diffuse nella

comunità del social network. L’hashtag #instagood, che nella classifica “Top Hashtags

on Instagram”92 è il secondo più usato in assoluto93 , è solitamente affiancato alle

immagini che l’utente considera migliori delle altre dal punto di vista estetico, mentre

#followforfollow rappresenta un invito a seguire la pagina dell’autore dell’immagine

che, in un secondo momento, promette di seguire a sua volta coloro che hanno

accettato l’invito. L’utente può anche decidere di non usare i tag ormai stabilizzati

nella comunità e crearne di nuovi. L’atto creativo permetterà di descrivere più in

dettaglio la situazione rappresentata dall’immagine, ma allo stesso tempo renderà il

contenuto meno visibile e più difficilmente reperibile per gli alti instagrammers.

Tornando all’analisi della Wibautstraat, visto l’enorme numero di hashtag a mia

disposizione, ho deciso di analizzarli nel complesso con un altro strumento

informatico per la creazione di nuvole di parole chiamato Word Cloud Generator94. Le

word clouds sono una rappresentazione visiva di liste di parole pesate in base alla loro

frequenza all’interno del corpus. La Fig. 31 mostra i termini usati più spesso dagli

utenti della Wibautstraat e attribuisce un font di dimensioni maggiori alle parole più

importanti.

92 Classifica mondiale degli hashtag più usati su Instagram: https://top-hashtags.com/instagram/, consultato il 12 settembre 2018.

93 Secondo la “Top Hashtags on Instagram” del 20 gennaio 2018 #istagood era stato usato 704 milioni di volte. 94 Word Cloud Generator: https://www.jasondavies.com/wordcloud/, consultato il 12 settembre 2018.

185

Osservando la word cloud si può ipotizzare una prima mappatura dei campi semantici

in gioco per mostrare quali aspetti della Wibautstraat sono più spesso oggetto di

discorso sulla Wibautstraat all’interno del social network.

Nel primo campo semantico troviamo alcuni riferimenti geografici: la parola

chiave più usata è #Amsterdam, che insieme a #Holland, #Netherland, #Ams,

#Amstel, #Oost e #Wibautstraat, va a comporre la prima area di significato. Con questi

hashtag gli utenti sottolineano il legame tra le immagini condivise e il luogo in cui le

fotografie sono state scattate: il protagonista è il territorio stesso, descritto per qualche

aspetto dalle fotografie, per cui chi esplora il database e recupera contenuti usando

questi termini potrà in parte esplorare anche i luoghi dove sono state scattate le

fotografie come in una sorta di album fotografico urbano collettivo.

Il secondo campo semantico riguarda i pasti che si possono consumare nei

numerosi ristoranti e bar presenti nell’area. Gli hashtag più diffusi sono il termine

generico #food e il celebre hashtag #foodporn, neologismo creato per riferirsi alla

tendenza a condividere sul Web immagini del cibo che si sta per consumare, creando

una stretta relazione tra vista e gusto, o in altre parole, tra esposizione e degustazione

(Marrone 2015). Troviamo inoltre #breakfast, #lunch, #vegan, #coffe e #yum, che ci

Figura 31.

186

dicono qualcosa sui tipi di pasti che generalmente si consumano nell’area. Gli hashtag

di questo campo semantico sembrano esprimere un certo apprezzamento verso le

numerose attività commerciali dedicate alla ristorazione presenti lungo la via. Le

parole chiave #foodporn e #yum fanno infine riferimento alla qualità del cibo che è

stato fotografato e consumato.

Il terzo campo semantico è quello dello sport e contiene sia tag che fanno

riferimento ad attività sportive, come #fit e #training, sia hashtag che rimandano ai

luoghi in cui queste attività si svolgono, come #gym in generale e #vondelgym95 nello

specifico.

L’ultimo gruppo di hashtag è infine composto da termini che riguardano il tempo

libero e fanno spesso riferimento ad aspetti dell’esperienza del visitatore temporaneo,

più che a quella del cittadino stabile. Troviamo infatti termini che rimandano ad

attività generali come #fun e #art, ma anche termini strettamente legati alle principali

attività turistiche, come #trip, e ai luoghi in cui i visitatori temporanei trascorrono il

proprio tempo, come #hotel e #volkshotel.

Dopo aver osservato i tag più diffusi per capire di quali aspetti della Wibautstraat

si parla in generale su Instagram, ho svolto un’analisi semiotica più dettagliata dei

testi, ma per farlo ho dovuto ridurre la dimensione del corpus.

Il corpus minore di contenuti Instagram è stato costruito usando le funzioni

dell’applicazione stessa, che presenta alcune differenze nel funzionamento rispetto

allo strumento del Digithal Methods Initiative. Instagram Hashtag Explorer recupera

tutti i contenuti condivisi in una certa area geografica partendo da un punto espresso

in termini di latitudine e longitudine. In questo modo seleziona sia le immagini che gli

utenti hanno geotaggato cercando il termine esatto Wibautstraat, sia quelle che sono

state geolocalizzate in spazi diversi, che però fanno sempre parte della Wibautstraat

dal punto di vista geografico. Il primo corpus ad esempio comprende anche tutti i post

che sono stati condivisi all’interno degli alberghi della zona e che sono stati

geolocalizzati selezionando il nome dell’hotel al posto di quello della via. Il motore di

ricerca di Instagram non richiede invece di inserire coordinate spaziali per recuperare

95 La Vondelgym è una palestra che si trova in quella che più avanti definirò “temporary stay area”, cioè la zona della Wibautstraat che presenta il maggior numero di hotel per turisti studenti temporanei.

187

immagini provenienti da uno stesso luogo, ma chiede semplicemente di inserire il

nome che definisce il luogo che interessa. Si possono cercare città, quartieri, singole vie

ma anche ristoranti, palestre e qualsiasi altro elemento nello spazio in cui almeno un

utente si è geolocalizzato. Lo strumento raccoglie così solo i post che sono stati

condivisi dagli utenti scegliendo lo specifico termine ricercato, nel mio caso

“Wibautstraat”.

Ho quindi cercato la parola chiave “Wibautstraat” con il motore di ricerca di

Instagram e ho preso in considerazione sia i risultati in cui la keyword era uno degli

hashtag scelti, sia quelli in cui essa rappresentava il luogo in cui il post era stato

geolocalizzato. Sempre grazie alle possibilità offerte dalla stessa applicazione, è stato

poi possibile salvare le immagini selezionate in una raccolta e quindi analizzarle in

modo sistematico. Per avere una copia di riserva del corpus e analizzare le immagini

anche offline, le ho infine salvate in locale grazie a un’applicazione mobile chiamata

“FastSave for Instagram”96.

Obiettivo di questa parte dell’analisi era mostrare quali fossero i punti di forza

della zona e gli elementi che sono in genere valutati positivamente da coloro che la

frequentano. Per raggiungere questo scopo ho:

(1) cercato di produrre una “descrizione densa” (Pozzato 2013, p. 95) dei testi visivi

collezionati su Instagram. In altre parole, ho osservato e descritto in modo

analitico e dettagliato i formanti figurativi riconoscibili nelle immagini oggetto di

analisi;

(2) condotto un’analisi semiotica e semantica dei testi verbali che accompagnavano

ciascuna immagine, in modo da rendere conto del significato complessivo dei

vari post, che possiamo considerare a tutti gli effetti “testi sincretici” (Greimas

e Courtés 1979, voce “sincretiche, semiotiche”). In questa fase ho cercato di

individuare i temi predominanti e le figure usate per rappresentarli, oltre ai

nuclei concettuali più diffusi;

(3) organizzato in categorie i post in base agli aspetti della Wibautstraat che sono

stati fotografati e valutati positivamente dagli utenti.

96 Fast Save for Instagram è scaricabile gratuitamente dal Google Play Store: https://play.google.com/store/apps/details?id=photo.video.instasaveapp, consultato il 12 settembre 2018.

188

Prima di presentare le categorie che ho ricavato in questa fase della ricerca, è doveroso

specificare che con il termine categoria intendo una “tipologia generale in cui possono

venire raggruppati i concetti da un punto di vista logico” (Gnoli, Marino, Rosari 2006,

p. 23). Più nello specifico, il mio lavoro di organizzazione dei testi si è ispirato alla

categorizzazione per tipologie, che si basa sulle logiche fuzzy e sulla semantica del

prototipo (Polidoro 2010; Cosenza, Colombari, Gasparri 2016). Le categorie sono

definite da un insieme di tratti semantici non rigidamente predeterminati e le proprietà

pertinenti per decidere l’appartenenza di un esemplare a una categoria possono essere

diverse da categoria a categoria. Gli elementi appartengono alle categorie in base a

gradi intermedi di appartenenza, quindi uno stesso esemplare può stare in più

categorie sulla base di tratti semantici diversi (ivi).

In questo modo ho potuto gestire anche i contenuti non intuitivamente

categorizzabili in modo univoco. Ad esempio, nella Fig. 32 vediamo in primo piano

una bicicletta legata a un palo, mentre sullo sfondo si nota parte di un’opera di street

art e l’inizio di una via che taglia perpendicolarmente la Wibautstraat.

Figura 32.

189

A un primo sguardo questa foto potrebbe avere letture diverse: potrebbe valorizzare

il tratto semantico “bicicletta” come mezzo di trasporto ecologico e tipico della cultura

olandese, e quindi essere inserita nella categoria “transports”, o potrebbe valorizzare

l’opera di street art sullo sfondo, e quindi finire nella categoria “street art”. Osservando

più attentamente l’intero post, però, si comprende che l’intenzione dell’utente era

immortalare un angolo della strada che aveva colpito la sua attenzione o, come

spiegano gli hashtag, offrire un particolare punto di vista su Amsterdam. Ciò mi ha

spinto a inserire questo testo nella categoria “Outdoor spaces”, anche se presenta

alcuni tratti semantici tipici delle immagini che compongono le categorie “transports”

e “street art”.

Alla fine, ho individuato sette categorie di post, che corrispondono a sette diversi

aspetti della Wibautstraat che le persone hanno valutato positivamente. Qui sotto sono

ordinate in base al numero di post che ognuna comprende:

1. FOOD (35)

2. OUTDOOR SPACES (25)

3. INDOOR SPACES (16)

4. CULTURE (15)

5. STREET ART (16)

6. SPORT (7)

7. TRANSPORT (3)

La maggior parte delle immagini della Wibautstraat condivise su Instagram mostra

piatti più o meno elaborati e consumati nei tanti bar e ristoranti presenti nell’area (Fig.

33), andando a comporre la categoria “food”. In queste immagini il cibo si trova in

primo piano, le linee sono morbide e i colori sono spesso caldi e saturi. Il cibo sembra

fresco o appena cucinato e in quasi in tutti i casi crea numerose reazioni degli

Instagrammers sotto forma di cuoricini e commenti. Questo risultato da un lato è

connesso a un comportamento ormai comune tra gli utenti Instagram: condividere foto

del cibo che si è cucinato o che si sta per mangiare, soprattutto quando ci si trova al

ristorante. D’altra parte però, l’alto numero di foto che rappresentano cibo è

accompagnato da immagini che mostrano e valorizzano positivamente l’interno dei

190

locali, bar e ristoranti presenti nella zona e che compongono gran parte della categoria

“indoor spaces” (Fig. 34). Ciò suggerisce che i ristoranti, i bar e gli spazi universitari

adibiti alla ristorazione siano tra i principali motivi di interesse per la zona, attirando

molte persone.

Se approfondiamo la categoria “outdoor spaces” troviamo invece linee rette,

spigoli e forme simmetriche caratteristiche delle architetture più recenti. Sono diverse

infatti le fotografie che rappresentano l’esterno di alcuni edifici, focalizzando

l’attenzione sulla loro architettura contemporanea (Fig. 35): qui è proprio uno degli

elementi che differenzia la Wibautstraat dal resto della città a essere valorizzato

positivamente. In questa categoria sono inoltre presenti molte foto scattate dall’alto,

che mostrano lo skyline della città, il che le differenzia dalle più comuni fotografie che

si scattano ad Amsterdam, ed è possibile grazie al gran numero di edifici alti presenti

nella zona.

La categoria “Indoor spaces”, oltre a mostrare ristoranti e bar, include molti hotel

e spazi di co-working, accomunati da un design contemporaneo e originale, che le

persone mostrano di apprezzare. I colori più comuni sono il bianco e il color legno e

in quasi tutte le immagini compare molto verde, che rimanda alla tendenza di inserire

l’elemento natura all’interno degli ambienti chiusi.

Le immagini e i testi che compongono le categorie “culture”, “street art” e “sport”

ci mostrano altre caratteristiche interessanti dell’area. Innanzitutto, le locandine spesso

fotografate mostrano l’interesse dei cittadini verso gli eventi, sia culturali, sia ricreativi,

organizzati nel quartiere. Le immagini di alcune opere di street art confermano inoltre

Figura 33 FOOD Figura 34 INDOOR SPACES

191

che i/le cittadini/e considerano l’arte di strada più estesa, curata e esteticamente

apprezzabile un elemento di arricchimento per la zona (Fig. 36), mentre

l’apprezzamento non vale per i graffiti o per l’arte di strada meno “professionale”. La

Wibautstraat, infine, è spesso interpretata come luogo in cui allenarsi o fare sport,

soprattutto nelle tre palestre più frequentate della zona.

Figura 35. OUTDOOR SPACES.

Figura 33. STREET ART.

4.6.4 Osservazione sul campo

D’accordo con i ricercatori del Citizen Data Lab, ho integrato il mio lavoro di ricerca

con un periodo di osservazione semiotica sul campo, che mi ha permesso di studiare

più in dettaglio le macro-aree individuate con l’analisi dei dati digitali. Applicando

una metodologia ispirata all’etnosemiotica (cfr. Del Ninno 2007, Marsciani 2007,

Accardo et al. 2015), ho osservato la strada e le pratiche umane che vi si realizzano, per

raccogliere altri dati sulla Wibautstraat in forma di appunti e fotografie. L’obiettivo di

questa fase della ricerca era, da un lato, comprendere meglio come i/le cittadini/e

vivono e valutano l’architettura dell’area e i servizi che offre, dall’altro osservare i

comportamenti delle persone che vivono quei luoghi.

Ho svolto le osservazioni tenendo conto di come la situazione cambia nei diversi

giorni della settimana e nei diversi orari. Perciò ho osservato la zona sia durante un

192

fine settimana (sabato 27 e domenica 28 maggio 2017), sia in un giorno lavorativo

(lunedì 29 maggio 2017). Mi sono inoltre concentrata su due fasce orarie: tarda

mattinata/ora di pranzo (10-14) e tardo pomeriggio/ora di cena (16-20). Vale

comunque la pena di ricordare che, oltre ad aver osservato la strada in modo intensivo

per tre giorni, ho frequentato quotidianamente l’area della Wibautstraat per quattro

mesi (da aprile a luglio 2017), perché proprio in questa via si trova il dipartimento

universitario che mi ha ospitata.

Durante l’analisi sul campo ho cercato di capire cosa accade lungo la

Wibautstraat e quali sono le forme semiotiche che reggono i meccanismi di

socializzazione osservabili in questa zona. In altre parole, ho cercato di descrivere la

conformazione degli spazi e degli arredi urbani che compongono la strada, e di

comprendere il “valore di senso” (Marsciani 2007, p. 13) delle pratiche che osservavo.

In questo modo volevo dare la possibilità ai ricercatori del Lab di mettere a fuoco

alcuni tratti più o meno “oggettivi” che riguardano la via. Oggettivi nel senso di

letti e interpretati dal semiologo previa la costruzione di una certa “buona

distanza” di osservazione, in uno spazio di oggettivazione che si colloca

dinamicamente tra l’osservazione partecipante (su e giù per il viale con

qualche sigaretta sulla panchina e qualche birra al chiosco) e l’analisi testuale

(elaborazione successiva degli appunti, riesame del materiale fotografico,

ecc.) (ivi, p. 76).

In altre parole, nel momento in cui ci si appresta a osservare un luogo e i suoi abitanti

dal punto di vista etnosemiotico, bisogna considerare che “ciò che osserviamo è già da

sempre determinato a priori da una messa in forma, quindi da un’articolazione, dello

sguardo che lo inquadra” (Accardo et al. 2015, p. VIII). Una qualche oggettività è

possibile solo costruendo uno spazio di oggettivazione che riunisca le capacità

interpretative e le conoscenze del soggetto osservatore con i risultati dell’analisi

testuale. Le storie e gli aneddoti che coinvolgono personalmente l’osservatore hanno

un ruolo nell’analisi perché in alcuni casi “possono far emergere elementi invarianti,

degni di essere considerati in funzione strutturante” (Marsciani 2007, p. 39). Allo stesso

tempo il lavoro di analisi sui testi raccolti durante l’osservazione, e nel mio caso anche

sui testi digitali prodotti da altre persone, deve servire a individuare gli elementi stabili

e ricorrenti che permettono di andare oltre al caso e all’impressionismo soggettivistico.

193

Va ammesso, tuttavia, che la mia ricerca non ha come proposito la completa

oggettività e i risultati potranno essere solo in parte rappresentativi della situazione. Il

semiologo, in modo simile all’antropologo, quando si occupa di luoghi e comunità

sociali si pone come un osservatore interno e non può mantenere una posizione

completamente neutrale. Il suo sguardo sull’oggetto di studio non è puro, ma è

influenzato dalla sua enciclopedia di riferimento, nel senso di Eco (1984): quando si

osserva una situazione urbana, si cerca di interpretare ciò che si vede sulla base delle

proprie conoscenze, che possono essere più o meno specialistiche. Da una parte questo

sapere è un limite per l’oggettività dell’osservatore, che interpreta in base a ciò che già

conosce, ma dall’altra può garantire meglio la validità dei risultati perché permette di

interpretare ciò che si osserva in base a fatti conosciuti e condivisi proprio da chi vive

in quell’ambiente urbano. In quest’ultimo senso, l’analisi testuale che ho presentato

nei paragrafi precedenti mi è servita anche per assimilare una parte delle informazioni

sulla Wibautstraat di cui erano in possesso le centinaia di cittadini che avevano

prodotto i testi digitali. Le informazioni ottenute da quell’analisi, insomma, mi sono

state utili per fare le prime ipotesi sulla strada e indirizzare meglio la mia osservazione

sul campo. Grazie all’elevato numero di testi ho potuto inoltre identificare gli elementi

variabili, e quindi poco pertinenti, e quelli invarianti, essenziali invece per definire il

significato del luogo studiato. In questo modo ho evitato di dare un’importanza

eccessiva alle opinioni personali dei cittadini e ho individuato gli elementi ricorrenti

capaci di descrivere alcuni aspetti della strada da un punto di vista più oggettivo. La

collaborazione continua con i ricercatori e i docenti del Citizen Data Lab è stata infine

fondamentale per contestualizzare e disambiguare le situazioni più difficilmente

comprensibili a un primo sguardo. Confrontarmi con chi vive e lavora

quotidianamente in questi luoghi è stato essenziale per ricostruire in modo accurato i

problemi urbani che caratterizzano la Wibautstraat e per comprendere i percorsi e gli

obiettivi delle persone che la frequentano.

Durante l’osservazione, nonostante il mio studio della Wibautstraat fosse

prettamente qualitativo, ho raccolto e poi tenuto conto anche di alcuni dati quantitativi

sulle persone che frequentano la strada. Fare ciò mi ha permesso di ottenere un quadro

più completo della situazione e di aggiornare una parte dei dati del Citizen Data Lab.

D’altra parte, se la raccolta di informazioni qualitative permette di indagare nel

194

dettaglio la realtà urbana che si studia, l’indagine quantitativa mostra macro-tendenze

di cui l’osservatore immerso in un luogo potrebbe non essere consapevole.

4.6.4.1 La distribuzione delle persone lungo la Wibautstraat

Oltre all’”osservazione diretta” (ivi, p. 10), volta a vedere “cosa succede” presso la

Wibautstraat e, in base a ciò che si è visto, tentare di ricostruirne il senso, ho deciso di

di fare una rilevazione quantitativa per capire quali fossero le aree della strada più o

meno frequentate. Dopo una prima ricognizione, ho scelto di studiare meglio i sei

punti della strada in cui registravo il maggior passaggio di persone (Fig. 37) – tre su

ciascun lato della carreggiata – per valutarne quantitativamente l’affluenza. In

particolare, ho (1) ho osservato il passaggio di persone sul marciapiede e sulla pista

ciclabile; (2) contato per un minuto il numero di pedoni, ciclisti e motociclisti97 che

sono passati nei punti scelti; (3) ripetuto il conteggio cinque volte per ciascun punto,

(4) calcolato la media aritmetica delle cinque misurazioni.

I dati così raccolti hanno confermato i risultati che avevo ottenuto con l’analisi del

primo dataset fornito dal Citizen Data Lab: mentre il numero di ciclisti e motociclisti

rimane più o meno stabile nelle varie parti della strada, quello di pedoni cambia

sensibilmente. Per i ciclisti e i motociclisti la Wibautstraat è un percorso continuo,

senza interruzioni, che grazie alle piste ciclabili permette di raggiungere o lasciare

97 Nei Paesi Bassi i ciclomotori e gli scooter con cilindrata inferiore a 50 cc sono equiparati alle biciclette e possono transitare sulle piste ciclabili a una velocità massima di 25 km/h.

Figura 34. I punti per la raccolta di dati qualitativi (marciapiede e pista

ciclabile).

195

velocemente e in sicurezza il centro. I pedoni invece sembrano percepire la strada

come parte di un percorso discontinuo. Essi frequentano alcune parti della

Wibautstraat per diversi motivi, ma poi spesso abbandonano la strada prendendo una

delle tante vie che la tagliano perpendicolarmente.

Se ci concentriamo sui pedoni, vediamo che durante la settimana (Fig. 38) l’area

più vivace e frequentata è quella del campus universitario, seguita da quella del

supermercato Albert Heijn. Nella parte di strada che collega questi due punti ho

rilevato invece un passaggio di persone meno intenso e più omogeneo.

Durante il week end (Fig. 39 e 40) la situazione è sensibilmente diversa e l’unica area

affollata è quella vicino al supermercato (aperto tutti i giorni) e alla fermata della metro

“Wibautstraat”.

21

8,2

5,6

9,6

7,6

30,2

6,6

3,6

4,8

3,6

7,8

7,2

1,2

1,2

1,4

0,4

1,6

2

0 10 20 30 40

Albert Heijn

Bagels and Beans

Reclassering

Student Hotel

Hartog's Volkoren Bakkerij

Benno Premselahuis

Monday

motorcyclists cyclists pedestrians

Figura 35. Lunedì.

196

Figura 36. Sabato.

Figura 37. Domenica.

9,6

4,4

0,2

3

2,6

6,2

6,6

5

7,4

3,4

4,2

6,6

1,6

0,6

1,8

0,6

0,6

1

0 2 4 6 8 10 12

Albert Heijn

Bagels and Beans

Reclassering

Student Hotel

Hartog's Volkoren Bakkerij

Benno Premselahuis

Saturday

motorcyclists cyclists pedestrians

13

2,8

1

2,2

4,6

4

4,2

3,2

3,2

4,6

3,6

4,8

0,8

0,2

0,6

0,6

0,4

0,4

0 5 10 15

Albert Heijn

Bagels and Beans

Reclassering

Student Hotel

Hartog's Volkoren Bakkerij

Benno Premselahuis

Sunday

motorcyclists cyclists pedestrians

197

Pur essendo passati tre anni dalla raccolta del dataset Measuring Amsterdam 1, i risultati

della mia indagine quantitativa hanno convalidato le conclusioni tratte dallo studio

del corpus. Il campus universitario e il supermercato sono due luoghi capaci di attrarre

molte persone in una zona per il resto relativamente poco frequentata.

Durante l’osservazione sul campo ho quindi cercato di capire perché il passaggio

di pedoni nelle altre porzioni della strada fosse così scarso. Inoltre, mi sono domandata

perché i programmi narrativi dei soggetti che frequentano questa zona sembrano

essere solo “frequentare l’università” o “fare la spesa”. Cosa tiene lontani i cittadini

dalle altre zone della strada? E cosa fa la minoranza di persone che invece queste zone

le frequenta?

4.6.4.2 Una strada, quattro anime

Dal punto di vista toponomastico e geografico, la Wibautstraat è un’unica via lunga

quasi due chilometri. L’organizzazione plastica della strada crea un senso di

omogeneità: l’arteria è molto ampia, rettilinea e a prima vista non presenta ostacoli per

chi volesse percorrerla tutta. Questa apertura dello spazio garantisce ai soggetti una

visione prospettica sulla strada e dà loro la possibilità di prevedere gli spazi e le

traiettorie che li attendono. L’intera strada è stata progettata in modo da essere al

contempo “spazio per automobili” e “spazio per persone”. L’ampia carreggiata è

suddivisa in quattro corsie e permette la marcia delle auto in entrambi i sensi. Al centro

della carreggiata troviamo un’aiuola spartitraffico ricca di piante e alberi che continua

fino al termine della via, interrompendosi per brevi tratti solo in prossimità degli

incroci. Anche il passaggio di ciclisti e pedoni è garantito e reso sicuro dalla presenza

dalla pista ciclabile e dal marciapiede lungo entrambi i lati della strada. A un primo

sguardo questi elementi creano un effetto di continuità e omogeneità che è ribadito

anche dall’aspetto degli edifici che costeggiano la strada. Nel suo complesso la

Wibautstraat si presenta infatti come una via di recente costruzione con palazzi in

cemento armato, mattoni a vista e vetro, più alcuni spazi destinati al verde pubblico.

L’aspetto della strada e degli edifici si oppone alle caratteristiche marcate come

«storiche» tipiche del resto della città, ma resta coerente lungo tutta la sua lunghezza,

conferendole una forte identità.

198

Tuttavia, trascorrendo un po’ di tempo sul posto si comprende che la

Wibautstraat non è così unitaria, perché l’esperienza delle persone che la frequentano

nelle sue diverse parti cambia sensibilmente. Camminando lungo la via, ho notato che,

dietro l’apparente omogeneità dell’organizzazione visiva (plastica e figurativa) della

via, si nascondono numerose differenze che riguardano sia quel che la strada offre ai

cittadini nelle sue diverse porzioni, sia il modo in cui essi si comportano al suo interno.

Ho constatato infatti comportamenti diversi nelle varie parti della strada, il che

conferma come la conformazione degli spazi e le possibilità che un luogo offre

influiscano sulle pratiche umane. Marrone ci ricorda al riguardo che “ogni spazio

determina una forma di soggettività, ogni forma di soggettività ridetermina lo spazio”

(2010b, p. 13) e afferma che è la ricostruzione di questa dialettica che permette di capire

come le persone vivono un luogo. Ciascuna porzione di strada individuata presenta

differenze sia nella conformazione degli spazi, sia nei comportamenti delle persone,

situazione che mi ha spinto a considerare le quattro zone come quattro diversi spazi,

anche se fanno parte della stessa strada.

L’articolazione in zone che segue non ha una radice geografica, legata a

separazioni esistenti nell’organizzazione spaziale della Wibautstraat, ma ne ha una

etnografica. Le zone individuate si trovano in relazione di continuirà e non sono né

separate da confini fisici né corrispondono a isolati. Le aree sono state piuttosto

identificate in base a differenze che riguardano i tipi di persone che le frequentano (ad

esempio studenti, turisti, famiglie e gruppi di giovani) e i loro comportamenti.

Ovviamente durante l’osservazione ho focalizzato l’attenzione anche sulle relazioni

esistenti tra i diversi spazi e i comportamenti umani osservati.

Come si può leggere nella mappa (Fig. 41), ho distinto la Wibautstraat in quattro

aree:

199

Figura 38.

• University area: è la prima parte della strada, che inizia subito dopo

Rhijnspoorplein, un ponte che attraversa un piccolo canale affluente

dell’Amstel, e che ospita il campus universitario. La zona termina all’altezza

della Tilanusstraat, che taglia perpendicolarmente la Wibautstraat e costeggia

gli ultimi edifici dell’Hogeshool van Amsterdam.

• Daily area: la seconda zona parte alla fine del campus universitario e termina

all’altezza del supermercato Albert Heijn e del primo sottopassaggio che porta

alla fermata Wibautstraat della metropolitana.

• Temporary stay area: la terza zona inizia subito dopo il supermercato e finisce

all’entrata del sottopassaggio sopra al quale passa una linea sopraelevata della

metropolitana.

• Cars area: è la porzione della strada più lontana dal centro, che inizia con il

sottopassaggio e termina alla rotonda Prins Bernhardplein che chiude la

Wibautstraat.

200

4.6.4.2.1 University area

Venendo dal centro, l’inizio della Wibsutatraat è segnato da una scultura che

rappresenta Floor Wibaut (Figg. 42 e 43), un politico e imprenditore di Amsterdam che

nella prima metà del Novecento divenne celebre per il suo impegno nel campo

dell’edilizia popolare. La statua, realizzata in ottone e alta tre metri e mezzo, è stata

creata negli anni Sessanta dall’artista Han Wezelaar per ricordare l’impegno di Wibaut

per la costruzione di case popolari poco distanti dal centro storico.

Figura 40. Inizio della Wibautstraat.

Figura 39. Scultura di Floor Wibaut.

201

La decisione di collocare la scultura al confine tra il ponte Rhijnspoorplein e

l’inizio della Wibautstraat sembra voler anticipare qualcosa sulla storia e l’identità

della strada che si sta per percorrere, cioè una strada incorniciata da grandi palazzi di

costruzione post-bellica costruiti per dare alloggio ai lavoratori delle numerose

fabbriche presenti in quest’area a inizio Novecento. Nella zona in cui è inserita la

Wibautstraat è immediatamente percepibile una rottura rispetto agli altri quartieri che

la circondano. Al di là dell’Amstel troviamo ad esempio il quartiere De Pijp che, pur

non facendo parte del centro medioevale della città, presenta edifici più piccoli, antichi

ed eterogenei rispetto alle grandi costruzioni frutto di progetti di edilizia economico-

popolare che si trovano lungo la Wibautstraat.

Superando la statua e entrando nella Wibautstraat, ci si trova immersi nel

campus universitario che, come vediamo nella mappa che segue (Fig. 44), è composto

da una serie di edifici disposti da entrambi i lati della strada.

Figura 41. Mappa del campus universitario.

Non ci sono elementi come muri o cancellate, a marcare in modo netto la separazione

tra il campus e lo spazio urbano, i confini sono sfumati. Allo stesso tempo, però, qui lo

spazio comunica la propria identità con alcuni “sistemi informativi”, che

202

comprendono i sistemi di orientamento e la segnaletica che troviamo lungo le vie

cittadine (Bonini Lessing 2006). Oltre alla tradizionale segnaletica stradale, nel campus

troviamo elementi informativi volti a realizzare una comunicazione più mirata e

specifica, come cartelli fissi che indicano come muoversi nella zona universitaria,

mostrando i nomi degli edifici che la compongono e le direzioni per raggiungerli. Gli

edifici inoltre sono stati tutti in qualche modo marcati come “universitari”. Il nome

dell’Hogeschool van Amsterdam, o qualche riferimento a essa, non è presente solo sui

palazzi che ospitano i dipartimenti universitari, ma anche su quelli che offrono servizi

diversi agli studenti e, in alcuni casi, anche al resto dei cittadini. Ne è un esempio il

piccolo supermercato SPAR che si affaccia sul marciapiede e che vediamo nella Fig.

45. Pur essendo accessibile a tutti, il legame tra il supermercato e l’università è evidente

al primo sguardo. Osservando la vetrina, l’attenzione è immediatamente attirata dal

riquadro che contiene una grande “U” stilizzata su sfondo viola, colore caratteristico

dell’Hogeschool van Amsterdam. La sua posizione, al centro della vetrina e ad altezza

ottimale per la vista del passante, insieme alla sua dimensione e al contrasto e alla

saturazione dei suoi colori, mette in primo piano il riferimento all’università e solo in

secondo l’insegna che mostra il brand del supermercato. Lo stesso vale per l’Amstel

Campus Sport and Fitness (Fig. 46), una palestra aperta anche ai non-studenti, che però

si presenta fin dalla vetrina come parte integrante dell’università. Con questi sistemi,

l’isotopia «università» garantisce una coerenza al testo spaziale da me identificato, e

in questo caso originariamente progettato, come University area.

203

Figura 42. Supermercato SPAR del campus.

Figura 43. Palestra del campus universitario.

Venendo dal centro e andando verso sud, sul lato sinistro della strada troviamo il

Benno Premselahuis, un grande edificio della Facoltà di Digital Media and Creative

Industries. Come vediamo nella Fig. 47, di fronte all’entrata ci sono alcune aiuole

rialzate che sono usate dagli studenti come panchine nei momenti di pausa. La

presenza delle aiuole-panchine e la vicinanza con l’entrata del palazzo fanno di

quest’area sia una zona di passaggio, per il continuo via vai degli studenti, sia una

zona di socializzazione.

204

Figura 44. Entrata del Dipartimento in Digital Media and Creative Industries.

Le interazioni osservate in quest’area sono però brevi (ad esempio il tempo di una

sigaretta fumata in compagnia di un/a collega o un saluto prima di tornare a casa) e

concentrate in alcuni momenti della giornata (ad esempio l’inizio e la fine delle lezioni

o la pausa pranzo).

Proseguendo di qualche metro e girando lungo il lato sud del palazzo è invece

possibile assistere a interazioni più durature. Qui troviamo la Wibauthof, una

piazzetta dal nome composto da Wibaut, che rimanda nuovamente a Floor Wibaut e

all’identità complessiva della strada, e dal termine hof, che in neerlandese significa

corte, piazzetta interna. Questo slargo tra palazzi è stato infatti progettato e “arredato”

per consentire a studenti e cittadini di passare del tempo all’esterno. Nello spazio

adiacente all’edificio della facoltà troviamo una fontanella di acqua potabile accanto a

una serie di panchine, ma la possibilità di passare un po’ di tempo seduti in questo

luogo non si limita all’uso delle panchine disponibili. Al centro della piazzetta c’è

infatti un’aiuola rialzata, simile a quelle presenti all’entrata del palazzo ma di

dimensioni maggiori, che è interpretata da quasi tutti gli studenti come una possibile

seduta. Tale conformazione dello spazio spinge i gruppi di giovani a disporsi in modo

circolare, alcuni seduti sul bordo dell’aiuola e alcuni in piedi, in modo da formare

piccoli gruppi.

205

Lo spirito socializzante di quest’area è riconfermato dalla presenza del Cafe Fest,

un bar molto frequentato dagli studenti e dai dipendenti dell’università. Il locale è

dotato di una tettoia e di grandi tavoli di legno che permettono di passare del tempo

all’esterno anche nelle giornate piovose, molto frequenti ad Amsterdam. I clienti si

distribuiscono sia dentro sia fuori dal locale, e nei momenti di massimo affollamento

consumano le bevande al centro dello slargo, seduti sul bordo dell’aiuola. La

conformazione degli spazi, gli arredi urbani e i comportamenti osservati fanno sì che

quest’area svolga il ruolo di una vera e propria “piazza” del campus universitario. In

questi spazi gli studenti realizzano quelle pratiche socializzanti che rientrano nella vita

universitaria ma che vanno oltre l’attività di studio: si danno appuntamento,

trascorrono le pause, consumano il pranzo all’aperto e si radunano a fine giornata

intrecciando relazioni tra loro.

Figura 45. Slargo che funziona da "piazza" universitaria.

Caratteristica dell’uso di questo luogo è la ricerca di una non-continuità rispetto alla

strada. I diversi comportamenti di coloro che si trovano nella piazza e di chi invece si

trova lungo la Wibautstraat permettono di distinguere uno “spazio-piazza” che si

oppone a uno “spazio-passeggiata”. Nello “spazio-piazza” troviamo quasi solo

soggetti che esercitano un “voler sostare”, agevolati dalla disposizione degli arredi

206

urbani e dai servizi offerti. Qui infatti è possibile collegarsi gratuitamente al WiFi,

parcheggiare la bicicletta o il motorino negli appositi spazi all’ingresso della corte,

sedersi sulle panchine (o sui gradini o sulle aiuole) e proteggersi dalla pioggia sotto la

tettoia del Fest mentre si beve o si mangia qualcosa. Chi si trova invece nello “spazio-

passeggiata”, lungo la Wibautstraat, può proseguire il suo percorso rettilineo

ignorando completamente ciò che accade nello “spazio-piazza”. In questo caso

vediamo che attanti con programmi narrativi diversi (“voler-sostare” e “voler

passare”) non condividono gli stessi spazi, evitando qualsiasi conflitto. I giovani che

sostano in gruppo nella piazzetta non sono un ostacolo per i passanti che camminano

di fretta. Allo stesso tempo i pedoni che percorrono la Wibautstraat non attraversano

la piazza rendendola affollata e sottraendo spazio agli studenti in pausa.

Figura 46. "Spazio passeggiata".

Il confine tra lo “spazio-piazza” e lo “spazio-passeggiata” non si presenta come una

demarcazione rigida tra due spazi, ma come una soglia oltrepassabile, cioè un

“elemento delegato al passaggio tra due spazi differentemente modalizzati, [..] per

definizione contrattuale” (Mangano 2010, p. 101). La zona di confine tra i due spazi

consiste nell’area aperta che permette l’ingresso nella piazzetta provenendo dalla

Wibautstraat. Qui i comportamenti sono meno netti: ho osservato studenti sostare in

207

piedi per chiacchierare con gli amici, ma anche passanti che si fermano un momento

per bere alla fontana di acqua potabile o parcheggiare la bicicletta per poi andare

altrove. Qui avviene l’incontro tra coloro che interpretano la zona come un luogo dove

stare e quelli che invece la considerano ancora un luogo da attraversare.

Tornando sulla Wibautstraat e superando la piazzetta del Cafe Fest, si raggiunge

una struttura multifunzionale dell’Hogeschool van Amsterdam chiamata Wibauthuis

(Figg. 50 e 51). Qui troviamo una mensa, alcune aule, una biblioteca, spazi per il co-

working, un supermercato che offre agli studenti prezzi agevolati e un parcheggio

sotterraneo per auto. L’edificio è imponente, di colore rosso scuro e quasi

completamente circondato da vetrate che permettono di osservare ciò che accade

all’interno mentre si cammina lungo la strada.

Figura 47. Wibauthuis.

208

Figura 48. Ingresso Wibauthuis.

In questo punto della via l’effetto è quello di trovarsi in una zona in cui tutto è stato

costruito o rinnovato da poco, dalla pavimentazione agli edifici. Anche l’edificio che

segue presenta caratteristiche dell’architettura contemporanea e una predominanza

dell’uso del vetro. All’interno dello stabile c’è l’USC Amstel Campus, cioè il centro

sportivo dell’Hogeschool van Amsterdam. Le vetrate lungo tutta la parete che

costeggia la Wibautstraat permettono la visione reciproca tra i passanti e le persone

che si allenano.

Il lato destro della Wibautstraat appare meno “vissuto” del precedente. Quasi

tutto lo spazio disponibile è occupato da un enorme edificio di proprietà

dell’università, che è un classico esempio dello stalinismo architettonico e ospita la

biblioteca Kohnstammhuis. In questo tratto di marciapiede ho notato un numero

ridotto di persone che solitamente camminano o guidano velocemente la bicicletta per

andare altrove.

L’analisi della prima sezione della strada ha mostrato che la zona del campus

universitario è stata progettata per soddisfare le esigenze degli studenti in pochi metri.

Osservando i comportamenti delle persone che lo frequentano comprendiamo che essa

è vissuta come un posto in cui trascorrere il proprio tempo e non solo come un luogo

di passaggio. Nel giro di pochi metri gli studenti possono, per esempio: studiare o

frequentare lezioni nei vari dipartimenti o presso la Wibauthuis, acquistare cibo nel

piccolo supermercato Spar University HvA, mangiare e bere qualcosa presso il Cafe

209

Fest o nei bar dei dipartimenti, fare sport presso l’Amstel Campus Sport & Fitness, o

trascorrere il tempo libero interagendo con gli amici nella piazzetta di fronte al Cafe

Fest.

Durante il fine settimana questa zona cambia molto perché i dipartimenti e il Cafe

Fest sono chiusi. I percorsi di quasi tutte le persone che ho osservato nell’area del

campus durante il sabato e la domenica mostrano come, quando le attività

universitarie sono sospese, il campus diventi un vero e proprio luogo di passaggio. Le

persone che frequentano questo luogo al weekend, infatti, lo fanno soprattutto per il

parcheggio sotterraneo. In questo modo l’area del campus si trasforma da un luogo

dove passare del tempo e svolgere varie attività spostandosi da un edificio all’altro

(Fig. 52), a una semplice area di sosta che funge da punto di partenza per raggiungere

comodamente il centro cittadino (Fig. 53).

Figura 49. University area: percorsi degli studenti durante la settimana.

Figura 50. University area: percorso dei cittadini durante il fine settimana.

210

4.6.4.2.2 Daily Area

La seconda porzione della strada, che ho chiamato Daily area perché è frequentata dai

cittadini soprattutto per svolgere alcune commissioni quotidiane, si estende dalla

Tilanusstraat alla fermata della metropolitana “Wibautstraat”. Dopo il campus, la via

appare ricca di attività commerciali dedicate soprattutto alla ristorazione. Alcuni di

questi locali sono abbastanza popolari e frequentati, il che è confermato anche

dall’analisi del corpus proveniente da Instagram.

In questa zona le persone possono fare diverse cose, come consumare un pasto

presso uno dei tanti bar e ristoranti (ad esempio Coffe Company, Lokaal, Stek

Amsterdam, Bagels & Bean, Cafeteria 2000 e The Breakfast Club) o fare acquisti (come

prodotti per la casa da ITEMZ, articoli sanitari da A.VOS & ZNS o generi alimentari

da Albert Heijn). Questa porzione di strada offre infine alcuni servizi che potremmo

definire tipici delle zone periferiche: vi si trovano una grande officina meccanica per

auto (Kwik-Fit) e un’azienda che produce e vende prodotti promozionali

personalizzati (Gottschalk).

Come nell’area del campus, anche nella prima parte della Daily area ho

riscontrato una maggiore affluenza di pedoni sul marciapiede sinistro. Ciò sembra

dovuto, da un lato, al flusso di studenti che proviene dal campus, dall’altro, alla

presenza di alcune attività commerciali di particolare successo. Qui troviamo ad

esempio il fornaio Hartog’s Volkoren, noto in città per produrre da più di un secolo

pane integrale con farine macinate nel suo mulino. Il negozio è quasi sempre affollato

e negli orari di punta si creano code che escono dall’area del negozio e invadono

l’intero marciapiede. Inoltre, i locali Coffee Company, Lokaal e Stek Amsterdam sono

molto frequentati soprattutto all’ora di pranzo.

211

Figura 51. Fila di fronte al fornaio “Hartog’s

Volkoren”.

Figura 52. Bar ristorante "Lokaal".

Sul lato destro della strada la situazione è diversa e c’è molto meno passaggio,

probabilmente per la presenza dell’edificio del Reclassering, cioè l’ente che segue in

modo continuo chi ha commesso e chi ha subito qualche crimine, facendo ad esempio

svolgere lavori socialmente utili ai colpevoli e offrendo supporto psicologico alle

vittime. Davanti all’edificio ci sono un campo da calcetto, utilizzabile liberamente e

dotato di una piccola gradinata, e uno spazio libero che offre alcune panche e un tavolo

di legno. Durante il periodo di osservazione ho trovato questa zona quasi sempre

deserta: ad esempio non ho mai visto nessuno giocare nel campetto o mangiare

qualcosa sul tavolo di legno. Seppur raramente, le panchine sono usate solo da alcuni

senzatetto, forse attratti proprio dall’assenza di altre persone.

212

Figura 53. Campo da calcetto "Reclassering".

Figura 54. Tavoli e panchine pubbliche

"Reclassering".

Figura 55. Cortile "Reclassering".

Dopo il Reclassering troviamo una piccola zona verde che circonda un parcheggio (Fig.

59). Le grandi aiuole che costeggiano il marciapiede sembrano voler racchiudere alcuni

elementi che caratterizzano l’ambiente naturale dei Paesi Bassi: troviamo piante, fiori,

alberi e alcuni tronchi, posizionati in modo da poter essere usati come sedute, mentre

la superficie è ricoperta di conchiglie che rimandano allo stretto legame che unisce la

città al mare (Fig. 60). Lungo la Wibautstraat, gli angoli di verde come questo sono stati

213

realizzati nell’ambito di progetti che coinvolgono la municipalità e la comunità della

Knowledge Mile per combattere l’inquinamento atmosferico e rendere la strada

esteticamente più piacevole. Forse per questo l’area verde in questione non sembra

essere “vissuta” in alcun modo dalle persone: qui il passaggio di pedoni è scarso e non

ho mai visto nessuno sedersi sui tronchi dell’aiuola. In linea con gli obiettivi della

progettazione di questo spazio, le persone non sembrano interpretarlo come un luogo

“da vivere”, ma semplicemente come un oggetto estetico “da guardare”.

Figura 56. Area verde.

Figura 57. Dettaglio di conchiglie nell'area

verde.

Poco dopo lo slargo che ospita lo spazio verde, si raggiunge la grande officina

meccanica Kwik-Fit, che compare tra i problemi rilevati dai cittadini durante il

secondo Measuring Amsterdam Event. L’officina è percepita come non appartenente a

questo luogo, una specie di intruso tipico della periferia inserito nell’ambiente

cittadino (“This doesn't belong here “; “Transform into art gallery“). Inoltre, come

vediamo nella Fig. 61, il meccanico permette l’ingresso alle auto direttamente dalla

Wibautstraat, invadendo il marciapiede e creando un ostacolo per i passanti.

214

Figura 58. Officina meccanica.

Lungo l’isolato che segue quello dell’officina, la situazione cambia sensibilmente e il

numero di pedoni aumenta per la presenza del supermercato Albert Heijn (Figg. 62 e

63) e della fermata della metropolitana. Il parcheggio delle biciclette di fronte al

supermercato è quasi sempre pieno e le panchine posizionate tra il punto vendita e la

fermata della metropolitana sono le uniche che ho visto usare durante l’osservazione

di questa porzione di strada.

215

Figura 59. Entrata del supermercato Albert Heijn.

Figura 60. Flusso di persone diretta al

supermercato.

Esaminando con più attenzione i comportamenti e i percorsi delle persone all’interno

della Daily area, ho notato profonde differenze rispetto a quelli che ho rilevato presso

la University area. Nessuno sembra “fare una pausa” su una panchina o passeggiare

per il piacere di farlo, ma tutti sembrano piuttosto andare decisi verso uno dei tanti

bar o negozi, per poi recarsi altrove in città, spesso in bicicletta. La Fig. 64 rappresenta

graficamente i percorsi tipici dei soggetti che ho osservato, che si muovono verso una

delle attività commerciali per acquistare o mangiare qualcosa, ma che poi lasciano

l’area.

Figura 61. Percorsi tipici della Daily area.

216

4.6.4.2.3 Temporary stay area

La Temporary stay area va dalla fermata della metropolitana “Wibautstraat” al

sottopassaggio, per cui ho deciso di darle questo nome perché si sviluppa soprattutto

intorno a due grandi hotel: lo Student Hotel sul lato sinistro della strada (Fig. 65) e il

Volkshotel su quello destro (Fig. 66). Grazie ai servizi che l’area offre, di principio

potremmo considerarla come una sorta di piccolo campus parzialmente

autosufficiente. Qui infatti i visitatori temporanei, solitamente studenti e turisti,

possono pernottare presso gli alberghi, fare sport alla Vondelgym, mangiare qualcosa

al Restaurant C, al The Pool o negli stessi hotel e, infine, studiare e lavorare in uno

degli spazi di co-working.

Figura 62. Student Hotel.

Figura 63. Volkshotel.

Malgrado a un primo sguardo la Temporary stay area sembri funzionare in modo simile

alla University area, con l’osservazione diretta ho notato differenze rilevanti nel

comportamento delle persone. Queste infatti tendono a trascorrere molto tempo negli

hotel (per dormire, mangiare, studiare, lavorare e partecipare a corsi ed eventi), mentre

l’area esterna appare spesso deserta. La mancanza di un ambiente esterno che funge

da piazzetta fa sì che la Temporary stay area sia fruita dalle persone solo come luogo di

passaggio. Qui sono osservabili due flussi di persone: uno che prosegue lungo la

Wibautstraat passando davanti ai due hotel e un altro che entra ed esce dagli alberghi.

Osservando i flussi delle persone ho notato più volte, inoltre, la tendenza a chiamare

e attendere un taxi di fronte all’albergo per poi andare altrove in città, e la tendenza a

lasciare a piedi gli hotel per dirigersi verso la fermata vicina della metropolitana (Fig.

217

67). In sintesi, la terza porzione di strada appare meno vivace delle precedenti e le

persone si mostrano meno interessate a “vivere” la zona che le circonda.

Figura 64. Percorsi tipici della "Temporary stay area".

4.6.4.2.4 Cars area

Superando il Volkshotel, il numero di persone diminuisce ulteriormente e la Cars area

ha preso questo nome proprio per la quasi totale assenza di pedoni e ciclisti. Un

possibile deterrente al transito a piedi in questa zona è la presenza di un ponte, che

permette il passaggio sopraelevato della metropolitana: il sottopassaggio (Fig. 68)

appare trascurato e buio anche di giorno, il che sembra scoraggiare i pedoni

dall’attraversarlo.

Figura 65. Parte pedonale e pista ciclabile del

sottopassaggio.

Figura 66. Strada parallela alla Wibautstraat, scelta

spesso in alternativa al sottopassaggio.

218

Molti dei soggetti che ho osservato hanno infatti deciso di proseguire il cammino lungo

una via parallela alla Wibautstraat circondata da case e spazi verdi (Fig. 69). Il tunnel

che interrompe il cammino dei pedoni lungo la strada può essere considerato un terrain

vague, cioè uno di quegli spazi che, pur facendo parte della città, sono vuoti e non

abitati (Marrone 2010b), in questo caso perché parte di uno spazio di servizio: un ponte

che permette il passaggio sopraelevato di una linea della metropolitana.

Quel che è pertinente dal punto di vista semiotico è che questi spazi privi di

un’identità stabile costituiscono una non-città nella città e devono essere

interpretati semanticamente come qualcosa che ha a che fare con una doppia

negazione: ora della cultura (trattandosi di elementi in qualche modo

urbani), ora della natura (trattandosi di elementi non del tutto urbani).

Possono così restare semplice elemento negativo, pura dissipazione di

energie e valori, oppure possono aprirsi a svariate significazioni possibili,

dando adito a programmi d’azione e passione di qualsivoglia genere (ivi, p.

29).

A livello semantico profondo i terrain vague rappresentano quindi un termine neutro

che implica non solo una totale mancanza di valori, nel senso di insignificanza, ma

anche una “fuoriuscita creativa del sistema chiuso di un universo semantico e

culturale, pronta a produrre, con investimenti semantici progressivi, nuovi universi di

significazione” (ivi, p. 30).

In effetti il sottopassaggio mette insieme sia la mancanza di valori (non è

attraversato dalle persone, non c’è nulla che possa attirare l’attenzione dei passanti,

appare trascurato, ecc.), sia la possibilità di creare nuovi significati. Questo breve tratto

di strada può funzionare come una tela bianca che, attraverso iniziative e progetti

urbani, può acquisire significato. Non stupisce quindi che durante il secondo

Measuring Amsterdam Event diversi cittadini abbiano percepito questo tunnel come un

problema e abbiano pensato alle azioni che si potrebbero intraprendere per renderlo

più vivibile. La soluzione più frequentemente ipotizzata riguarda la possibilità di

organizzare festival per artisti di strada che possano trasformare il tunnel in una

galleria d’arte pubblica. Ciò che si propone è una completa risemantizzazione dell’area

che, da un luogo “da criticare” e “da evitare”, ascrivibile alla non cultura, diventerebbe

un luogo “da ammirare” e “frequentare”, grazie a un processo di ri-culturalizzazione.

219

Wibautstraat

Natura Cultura

Non cultura Non natura

Sottopassaggio strada parallela

(terrain vague)

Finché ciò non sarà realizzato, molto probabilmente il tunnel continuerà a essere

evitato da gran parte dei pedoni. I cittadini continueranno a scegliere la via parallela

che all’interno del quadrato semiotico va a ricoprire la posizione della non natura. Pur

essendo una strada cittadina a tutti gli effetti, la vegetazione rigogliosa che si sviluppa

su tutta la sua lunghezza conferisce alla Schollenbrugpad significati relativi alla natura

che probabilmente la rendono più invitante e accogliente agli occhi dei passanti. La

Schollenbrugpad però non può trovarsi nella posizione della natura sul quadrato

semiotico, perché quella che troviamo lungo la via è comunque una natura resa cultura,

cioè uno spazio naturale costruito artificialmente. Ciò è ribadito dalla presenza di

alcuni giochi per bambini posizionati nello spazio verde a bordo strada.

Proseguendo lungo la Wibautstraat, dopo il sottopassaggio l’atmosfera cambia

rispetto al resto della strada: sembra di trovarsi in piena periferia, con molti edifici

residenziali e uffici, ma quasi nessuna attività commerciale (Fig. 70).

220

Figura 67. Cars area.

Questa mancanza di punti di attrazione rende il paesaggio “noioso”, una caratteristica

che era emersa anche dal secondo database che il Citizen Data Lab mi aveva fornito, il

che influenza il comportamento delle poche persone che transitano a piedi o in

bicicletta, che tendono a non fermarsi in questo tratto di strada e ad avanzare

velocemente senza fare attenzione a ciò che li circonda (Fig. 71).

Figura 68. Percorsi tipici della Cars area.

In questa zona notiamo il pieno ritorno dell’interpretazione della Wibautstraat

come gate e mero luogo di attraversamento. La mancanza di attività o spazi urbani

capaci di attirare i cittadini fa di questa porzione di strada una sorta di luogo di servizio

che è percorso solo se necessario e quasi sempre per raggiungere qualche altro luogo.

In realtà non c’è nulla nella conformazione degli spazi che estromette la presenza

221

umana e che fa sì che quest’area debba essere usata quasi solo dagli automobilisti.

L’organizzazione topologica si rivolge sia ai programmi narrativi delle automobili, sia

a quelli umani: il marciapiede non subisce interruzioni né restringimenti che

potrebbero creare problemi al passaggio delle persone, ma il numero di passanti in

questo punto è sempre scarso e in alcuni momenti nullo.

Quello che cambia in questa porzione di strada è qualcosa di più sottile della

semplice configurazione spaziale e riguarda l’effetto di senso che caratterizza l’ambiente

urbano. In semiotica con effetto di senso si intende “l’impressione di ‘realtà’ prodotta

dai nostri sensi al contatto con il senso, ovvero con una semiotica soggiacente”

(Greimas, Courtés 1979, p. 96). In questo caso gli effetti di senso che colpiscono il

soggetto sembrano essere quelli di “periferia” e “isolamento”. Qui non c’è traccia

dell’aria di “comunità” che si può respirare nel campus universitario, né del via vai di

persone tipico delle metropoli che caratterizza la Daily area. Lo spirito residenziale

della zona rende la Cars area un “quartiere dormitorio” in cui il passante si trova spesso

a camminare per centinaia di metri senza incrociare nessuno.

4.6.5 Una tipologia dei trend comportamentali

A ogni porzione della strada che ho individuato corrisponde un modo diverso di

interpretare, agire e usare gli spazi e le risorse a disposizione. Per chiarire

ulteriormente questo punto ho organizzato i comportamenti che ho osservato in una

tipologia. Ovviamente, i tipi che ho definito non rendono conto della totalità delle

pratiche che ho osservato nelle diverse parti della strada, ma danno conto delle

principali tendenze, più o meno connesse con le diverse caratteristiche dell’area.

“Lo studente del campus” è modalizzato secondo un voler restare, trascorrendo

molto tempo presso il campus universitario sia per studiare, sia per attività ricreative.

Durante la giornata si sposta da un edificio all’altro per le attività legate allo studio e

consuma i pasti negli spazi messi a disposizione dall’università o all’aperto. Spesso

cammina o sosta lungo la strada in compagnia e tende a mettersi in relazione con i

colleghi soprattutto nello spazio che funge da piazzetta del campus. Quando le attività

universitarie sono sospese, non frequenta questi luoghi.

222

Quello che ho chiamato “cittadino/cliente consapevole” sembra invece

modalizzato secondo un non voler restare, che lo pone in posizione di subcontrarietà

rispetto allo/a “studente/ssa del campus”. Lungo la Daily area le persone mostrano di

aver chiaro dove vogliono andare per soddisfare i loro bisogni e fare acquisti. Non

passeggiano per il piacere di farlo, interpretando la zona come “via dello shopping” in

cui guardare le vetrine, ma vanno dritto all’obiettivo (che potrebbe essere un ristorante

o un negozio). Quello del “cittadino/cliente consapevole” è un percorso veloce volto

a raggiungere una destinazione, per poi lasciare l’area rapidamente, spesso in

bicicletta. Per lui/lei la Wibautstraat è una strada da percorrere per raggiungere una

specifica attività commerciale, per cui la sua volontà di restare sul posto è limitata al

tempo necessario per fare acquisti o consumare un pasto in un ristorante. Difficilmente

infatti fa uso delle panchine disponibili o si ferma sulla strada, e in genere tende a

muoversi da solo/a o in coppia, quasi mai in gruppi numerosi.

Il terzo tipo comportamentale, “l’ospite temporaneo/a”, usa gli spazi messi a

disposizione dagli hotel in cui soggiorna per svolgere attività come mangiare, dormire,

studiare e lavorare. Per spostarsi di solito chiama un taxi o usa la metropolitana, senza

esplorare l’area che lo/a circonda. Le uniche panchine su cui si siede sono quelle di

fronte agli hotel in cui attende l’arrivo del taxi. Ciò lo/a fa apparire modalizzato

secondo un non voler attraversare: non è interessato/a a “vivere” il quartiere e trascorre

presso la Wibautstraat solo il tempo necessario per attendere un taxi o raggiungere la

vicina fermata della metropolitana. Per lui/lei gli hotel in questa porzione di strada

sono una sorta di base a cui tornare al termine della giornata o in cui restare per

svolgere determinate attività. Tuttavia, non si mostra interessato/a all’ambiente

urbano che circonda gli alberghi, che vengono probabilmente scelti perché ben

collegati ai mezzi pubblici.

Ho definito l’ultimo tipo di comportamento che ho individuato nella Cars area,

“cittadino/pendolare” perché è simile a quello del pendolare, che tende a camminare

o guidare una bicicletta lungo la parte finale della Wibautstraat per raggiungere un

altro luogo, come ad esempio la fermata della metropolitana. Prosegue distrattamente

e in modo automatico senza fare attenzione a ciò che lo/a circonda e ricorda i

“sonnambuli” della metropolitana di Floch, cioè coloro per cui “i tragitti quotidiani

rappresentano un’istanza neutra sulla quale innestare altre pratiche significanti”

223

(Floch 1990, p. 74), come ascoltare musica o semplicemente pensare ad altro. I soggetti

sembrano modalizzati secondo un voler attraversare la zona per andare altrove,

seguendo in modo automatico una traiettoria. Quasi nessuno considera questo luogo

una destinazione, ma le persone sembrano interpretarlo come un luogo di passaggio

per raggiungere un’altra meta.

Voler restare Voler attraversare

“studente/ssa del campus” “cittadino/pendolare”

Non voler attraversare Non voler restare

“ospite temporaneo” “cittadino consapevole”

4.7 Conclusioni

In questo capitolo abbiamo visto alcune delle possibilità offerte dall’analisi qualitativa

di grossi corpora di testi digitali relativi a una strada. Per comprendere a fondo il modo

in cui la Wibautstraat è percepita dai suoi abitanti ho preso in considerazione sia alcuni

dati raccolti grazie alla collaborazione dei cittadini, sia alcuni contenuti social, diffusi

online dagli utenti della strada in modo spontaneo. Il metodo di analisi dello spazio

proposto combina lo studio semiotico di grandi corpora di contenuti digitali e un

periodo di osservazione sul campo. Ritengo che entrambe le fasi siano state

fondamentali per comprendere a fondo il senso della strada osservata, soprattutto

grazie al tipo di dati messi a disposizione dal Citizen Data Lab. Essi infatti possono

essere intesi come cristallizzazioni di osservazioni dirette rilevate da soggetti che

conoscono bene il luogo studiato e possono senza dubbio arricchire le conclusioni che

un singolo analista semiotico parzialmente estraneo può trarre a riguardo. Analizzare

contenuti digitali come questi significa inoltre avere a che fare con una moltitudine di

punti di vista e di modi di interpretare una stessa situazione. Ciò da un lato influisce

l’osservazione del/la semiologo/a che non conosce personalmente il luogo,

suggerendogli su quali fenomeni è più utile fare attenzione, dall’altro gli/le permette

di confrontare le proprie impressioni con quelle di centinaia di altre persone.

224

Probabilmente sarei potuta arrivare a conclusioni simili sulla Wibautstraat anche

affiancando l’osservazione semiotica sul campo a metodi etnografici tradizionali, come

la raccolta e l’analisi di corpus di interviste non strutturate. Tuttavia, a parità di tempo

e di risorse avrei avuto accesso a un numero nettamente inferiore di punti di vista e

quindi avrei rischiato di ignorare alcuni degli elementi di cui parlano i più di mille

testi digitali analizzati. Ciò non esclude che avendo a disposizione più tempo si

potrebbe approfondire e aggiornare la ricerca sulla strada olandese facendo alcune

interviste a chi la frequenta quotidianamente. Interviste che potrebbero essere

concentrate sulle caratteristiche e le pratiche sociali che sono risultate più significative

e dibattute nel corso dell’analisi e dell’osservazione diretta. L’idea di tentare un’analisi

qualitativa di migliaia di dati digitali è inoltre emersa per rispondere a un’esigenza di

chi si occupa oggi di city analytics. Spesso lo sforzo che si fa per collezionare quantità

enormi di dati provenienti dalla città, anche coinvolgendo gli utenti dei vari servizi,

non basta a comprendere la complessità delle situazioni che si indagano. Il problema

è che i dati, nella maggior parte dei casi, sono analizzati solo dal punto di vista

quantitativo, con l’obiettivo di creare infografiche e altri tipi di data visualisation.

Viceversa, una delle sfide di ricerca più rilevanti in questo campo sta proprio

nell’affrontare questa mole di dati con metodologie qualitative che siano capaci di

trattare grossi corpora testuali. La mia collaborazione con il Citizen Data Lab

dell’Amsterdam University of Applied Sciences (Hogenschool van Amsterdam) è nata

proprio per affrontare questa sfida, conducendo un’analisi semiotica di grandi corpora

di dati relativi a un luogo.

Bisogna ammettere però che, per comprendere a fondo l’esperienza urbana

offerta dalla Wibautstraat, l’analisi qualitativa delle rilevazioni disponibili non è stata

sufficiente. Scoprire attraverso le mappe digitali quali sono i luoghi in cui le persone

tendono a svolgere alcune azioni comuni per i comportamenti umani di “attesa” o di

“pausa”, o identificare con l’analisi semantica dei testi cosa è valorizzato

disforicamente dai soggetti lungo la strada, permette all’analista di fare le prime

ipotesi interpretative sull’area, ma non gli/le dà la possibilità di comprendere davvero

le situazioni parzialmente descritte dai dati. D’altra parte, l’analisi testuale mostra la

Wibautstraat solo come oggetto enunciato, cioè come un testo descritto, raccontato e

rappresentato dai contenuti digitali, ma non dice nulla di essa come soggetto

225

dell’enuniciazione in grado di parlare di sé e di coloro che la abitano e la frequentano.

Per questo ho deciso di integrare l’analisi testuale con un periodo di osservazione sul

campo di stampo etnosemiotico. Da un lato, l’osservazione diretta della

conformazione degli spazi e delle pratiche umane che vi si realizzano mi ha permesso

di identificare fenomeni che non erano compresi nelle altre rilevazioni, dall’altro mi ha

spinto a rivalutare le prime conclusioni tratte dall’analisi testuale, grazie alle

informazioni di contesto emerse.

Le due fasi della ricerca si sono sostenute a vicenda. L’analisi dei testi ha

evidenziato diversi aspetti del modo in cui le persone vivono e agiscono negli spazi in

questione. Inoltre, pur non essendo un campione rappresentativo in senso statistico e

sociologico (Calandi 2003), la loro quantità ha fornito un numero maggiore di

informazioni sulla strada rispetto a quelle che solitamente si prendono in

considerazione nell’analisi semiotica di uno spazio urbano. Tuttavia, solo

l’osservazione sul campo ha chiarito davvero in quali contesti si inserissero gli

elementi e i fenomeni sociali rilevati: solo “scendendo in strada” ho potuto capire

qualcosa di più sui motivi per cui una particolare zona è percepita, usata e vissuta in

una maniera e non in un’altra, ridefinendo in modo più dettagliato il senso dei testi

analizzati.

Allo stesso modo, le situazioni rilevate durante l’osservazione sono state poi

comparate con i risultati dell’analisi testuale, per distinguere gli elementi rilevati

casualmente, quindi variabili e poco significativi, da quelli invarianti, e come tali

caratteristici del luogo analizzato. Da questo punto di vista i corpora di testi digitali

prodotti dai cittadini e dagli utenti di Instagram sono stati sia un primo indizio per

comprendere “quello che succede” lungo la Wibautstraat, sia uno strumento di

controllo per accertare la correttezza delle conclusioni tratte dall’applicazione di

strumenti semiotici per l’analisi degli spazi e delle pratiche umane.

Come abbiamo visto, con l’analisi dei tre corpora ho tentato di mettere in luce

diverse caratteristiche della strada e dei comportamenti tenuti da chi la percorre.

L’analisi del dataset raccolto durante il primo Measuring Amsterdam Event mi ha

permesso di identificare le due macro-aree più affollate e vivaci della strada, aree in

cui è più probabile assistere a pratiche d’uso dello spazio che implicano trascorrere un

certo periodo di tempo sul posto, cioè dove la Wibautstraat non è considerata solo

226

come un gate da attraversare per andare in centro, ma come un luogo in cui restare per

fare qualcosa. Il secondo dataset mi è servito invece per mostrare quali sono i problemi

più spesso percepiti da chi vive quotidianamente la Wibautstraat, mentre l’analisi dei

dati provenienti da Instagram mi ha permesso di far luce sui punti di forza della via.

Infine, grazie all’osservazione sul campo, che ho svolto al termine dell’analisi testuale,

ho studiato più in dettaglio le due macro-aree individuate in sede di analisi,

ipotizzando un’ulteriore suddivisione della Wibautstraat, basata su ciò che la strada

offre e su come essa è “usata” dai cittadini. L’osservazione diretta ha messo in luce il

riproporsi dell’opposizione centro vs periferia anche nella strada, e non solo nei

confronti del resto della città. In questo senso, il “centro” della periferia corrisponde

alla zona del campus per tre motivi: (1) è la zona geograficamente più vicina al centro

cittadino; (2) è la zona più frequentata e caratterizzata da programmi narrativi statici,

e quindi da soggetti che intendono trascorrere parte del loro tempo sul posto; (3) è la

zona in cui i cittadini tendono a interagire, come avverrebbe in una piazza. Superando

il campus, si notano pratiche via via più tipiche delle zone periferiche: nella Daily area

i soggetti si muovono velocemente e sostano solo per il tempo necessario per fare le

priorie commissioni, la Temporary stay area tende a essere usata come base da cui

spostarsi grazie ai mezzi pubblici, mentre la Cars area infine è una zona

semiabbandonata dai pedoni e fruita solo dagli automobilisti.

Durante la presentazione di questo caso di studio al termine del mio soggiorno

presso l’Hogeschool van Amsterdam, i ricercatori del Citizen Data Lab hanno espresso

interesse verso i risultati della ricerca, soprattutto per i loro possibili usi come punto

di partenza per progetti di design urbano. Da questo punto di vista, l’analisi semiotica

può offrire spunti di discussione alle istituzioni e agli altri stakeholders che devono

prendere decisioni sulla Wibautstraat. Ad esempio, l’aver identificato quattro diverse

porzioni, che corrispondono a quattro diverse identità della strada, può essere un

punto di partenza per la progettazione di iniziative e opere trasformative che

coinvolgano la zona in questione. Di volta in volta si potrà decidere se favorire l’attuale

identità di una porzione, per esempio incrementando i servizi per gli studenti nella

zona del campus, o tentare di cambiare il modo in cui quella parte di strada è

interpretata e vissuta. Se ad esempio volessimo rendere la Cars area più attraente per i

pedoni, potremmo organizzare uno Street art festival, durante il quale i/le cittadini/e

227

potrebbero osservare gli artisti mentre trasformano il tunnel da “luogo da evitare” a

“luogo da ammirare”. È doveroso notare che in questo caso l’analisi qualitativa dei

dati digitali è stata utile sia per chiarire l’attuale situazione della strada, con i suoi punti

di debolezza e di forza, sia per ipotizzare alcune soluzioni per i problemi individuati.

Lo studio dei testi creati dalle persone che frequentano la strada inoltre ha fatto sì che

le soluzioni ipotizzate rispettino il loro punto vista. In altre parole, le conclusioni e le

azioni che si traggono dall’analisi si basano su quello che è stato definito “one of the

best sensor available with regards to complicated contexts” (Groen, Meys 2015):

l’essere umano.

Con questo caso di studio, insomma, credo di aver fornito informazioni utili sulla

Wibautstraat e su come è interpretata e usata da chi la frequenta.

Allo stesso tempo però, spero di avere anche mostrato che la disciplina semiotica

è una candidata valida per aumentare l’intelligibilità di grandi corpora di testi digitali.

In base agli aspetti che intende indagare, il/la semiologo/a sceglierà gli strumenti

teorici e metodologici di volta in volta più utili e adatti a studiare il significato dei testi

che raccoglie. Nel mio caso, identificare ad esempio le isotopie dei testi verbali mi ha

permesso di capire meglio quali fossero le situazioni e gli elementi architettonici

percepiti dai cittadini come problematici, mentre analizzare le immagini provenienti

da Instagram con gli strumenti della semiotica visiva, mi è servito a organizzare i post

in categorie che mostrano i punti di forza della Wibautstraat. Secondo l’ottica che

propongo, dunque, l’analisi di grandi corpora testuali non sostituisce il tradizionale

metodo semiotico per lo studio dei testi spaziali, ma gli si affianca arricchendo

l’osservazione diretta.

228

5. Conclusioni

Questa ricerca è nata dall’ambizione di poter arricchiere lo studio semiotico degli spazi

urbani con l’analisi di grandi corpora dei testi digitali prodotti e diffusi online da chi

vive quotidianamente quegli spazi. La diffusione capillare di device mobili ha portato

a una produzione massiccia di diversi tipi di user-generated contents: ci scambiano

contenuti sui social network anche se siamo nella stessa stanza e a volte sembriamo

più interessati a fotografare e condividere un tramonto con persone assenti, invece di

goderlo in diretta. Gran parte di questi contenuti sono inoltre strettamente collegati ai

luoghi in cui sono creati grazie a tecnologie come il GPS e i geotag e, in questo modo,

rappresentano interpretazioni umane degli stessi. Va da sé che l’analisi sistematica di

corpora medio-grandi di questi testi in formato elettronico può dirci qualcosa su come

numeri ingenti di persone usano, interpretano e percepiscono i luoghi in questione.

La semiotica, come le altre scienze umane, non può ignorare questi fenomeni e,

fin dalla loro comparsa, alcuni studiosi hanno affrontato la rete e le forme testuali che

la caratterizzano (cfr. ad esempio Centro Ricerche Semiotiche 1998; Cosenza 2009,

2012; Aiello 2013; D’Amico 2013; Lampignano 2014; Marino e Terracciano 2015,

Ceriani 2016). Per il/la semiologo/a tuttavia lo studio di testi digitali non è un lavoro

semplice, perchè lo/a costringe ad affrontare difficoltà che riguardano sia la possibilità

di applicare il concetto di testo agli user-generated contents, sia la necessità di risolvere

problemi tecnici legati al loro volume e alla loro volatilità. Lo studioso di semiotica è

infatti più avvezzo a studiare singoli testi, o corpora di piccole dimensioni, che

presentano confini definiti e non subiscono modifiche nel tempo. Sul Web invece

troviamo milioni di contenuti creati dagli utenti che possono essere cancellati,

modificati o arricchiti in qualsiasi momento e, in certi casi, da chiunque.

Alcuni di questi problemi possono essere risolti solo grazie a un dialogo

produttivo con l’informatica, che può portare benefici a entrambe le parti in causa.

Da un lato, la cosiddetta big data humanities research di cui parla Manovich (2012,

p. 14) è fattibile sono attraverso la collaborazione tra umanisti e informatici e il lavoro

del/la semiologo/a è agevolato dall’uso di strumenti utili soprattutto nelle fasi di

raccolta, organizzazione e analisi quantitativa dei materiali digitali. Nel corso dei tre

anni di lavoro ho studiato e testato diversi programmi utili per l’analisi automatica dei

229

vari tipi di contenuti digitali (§ 2.1), analisi propedeutica e spesso necessaria per poter

poi studiare grandi quantità di dati da un punto di vista semiotico. Per il caso di studio

principale di questa tesi (Cap. 4) è stato ad esempio fondamentale l’uso di Word Cloud

Generator98 che mi ha permesso di creare nuvole di parole, ovvero liste pesate in base

alla loro frequenza all’interno del corpus, utili per fare una prima mappatura

semantica e per mostrare quali aspetti della Wibautstraat sono più spesso oggetto di

discorso sulla Wibautstraat. Un altro strumento fondamentale è stato Instagram

Hashtag Explorer99 che mi ha permesso invece di recuperare tutti i post pubblici

condivisi su Instagram nel lasso di tempo e nel luogo di mio interesse. Senza questi

strumenti non avrei potuto prendere in considerazione un corpus così ampio che, pur

non essendo rappresentativo nel senso sociologico del termine, fa luce sulla situazione

studiata da molti punti di vista diversi. Quelli citati sono solo i due strumenti

informatici che si sono rivelati più adatti al mio caso di studio, e ovviamente non sono

gli unici che possono essere sfruttati durante un’analisi semiotica. La parziale analisi

che ho realizzato sulle tecnologie disponibili per l’elaborazione automatica di

contenuti digitali (§ 2.1) ha lo scopo di mostrare alcune macro-categorie di strumenti

informatici che va oltre ai singoli titoli. Questo perché sul web le risorse a disposizione

mutano continuamente e un programma che era disponibile pochi giorni fa potrebbe

non esserlo più, o porebbe essere stato trasformato in qualcosa di diverso. Questa

instabilità porta necessariamente lo/la studioso/a a fare un lavoro di ricognizione

delle tecnologie disponibili nel momento in cui imposta la ricerca.

Dall’altro lato,la disciplina semiotica può portare vantaggi all’informatica che

vanno da indicazioni sull’adeguatezza dei suoi modelli formali rispetto ai fenomeni di

senso rappresentati, all’analisi di corpora testuali per l’estrazione di informazioni sul

loro significato, che possono essere utili anche alle macchine per simulare in modo

sempre più preciso la conoscenza umana.

98 Word Cloud Generator: https://www.jasondavies.com/wordcloud/, consultato il 12 settembre 2018. 99 Questa è la pagina che ospita lo strumento open source Instagram Hashtag Explorer: https://wiki.digitalmethods.net/Dmi/ToolInstagramHashtagExplorer, consultata il 12 settembre 2018.

230

Il caso di studio che ho presentato nel Cap. 2 mostra proprio questo: durante la

Semantic Web Summer School del 2016, grazie all’analisi semiotica e semantica di un

campione di recensioni su TripAdvisor relative a un luogo, è stato possibile strutturare

informazioni legate alla sfera percettiva ed esperienziale delle persone, informazioni

solitamente non comprese dagli informatici nelle procedure di strutturazione della

conoscenza che adottano per sviluppare tecnologie. Un simile metodo di analisi

testuale e di elaborazione delle informazioni potrebbe permettere di sviluppare

applicazioni che suggeriscano e permettano di reperire online luoghi pubblici,

destinazioni turistiche ma anche, in prospettiva, prodotti e servizi, che rispondano a

bisogni, necessità pratiche, desideri, aspirazioni sempre più vicine a quelli che nella

vita reale le persone hanno davvero, a volte persino in modo inconsapevole. Il poco

tempo a disposizione per svolgere questa analisi mi ha portato però a concentrarmi

solo sui testi digitali che descrivevano il luogo in esame, senza prendere in

considerazione il modo in cui le persone vi agivano, rilevabile solo con l’osservazione

diretta. Secondo la mia ipotesi, infatti, che poi ho cercato di validare durante l’analisi

della Wibautstraat, è solo affiancando un periodo di osservazione diretta delle pratiche

comportamentali all’analisi testuale che possiamo ottenere un quadro più completo

dei vissuti delle persone nei luoghi che vogliamo indagare.

Prima di presentare il caso di studio principale del mio lavoro, che ho impostato

partendo da queste premesse, ho cercato inoltre di ripercorrere le tappe principali della

ricerca semiotica sullo spazio, mostrando come la disciplina lo consideri alla stregua

di un testo analizzabile. Il numero di ricerche semiotiche focalizzate sulla definizione

del significato spaziale in questo campo è ormai considerevole (cfr. ad esempio , in

ordine cronologico, Greimas 1976; Barthes 1985; Hammad 2003; Volli 2005; Marrone,

Pezzini 2006, 2008; Leone 2009; Pezzini 2009; Violi 2009, 2010; Giannitrapani 2013;

Marrone 2013; Pezzini, Savarese 2014), anche se la maggior parte degli studi si limita

a analizzare i luoghi con l’osservazione diretta o studiando un numero ridotto di testi

che li descrivono, come una guida turistica o una decina di blog tematici. Pur avendo

raggiunto risultati anche brillanti, la semiotica urbana potrebbe trarre giovamento

dall’analisi di ampi corpora testuali prodotti dai cittadini e diffusi sul Web. Secondo

me infatti solo un metodo che combini l’osservazione diretta e l’analisi di grandi

insiemi di testi digitali può rendere conto degli effetti di senso che caratterizzano

231

diffusamente un luogo e che possano essere davvero rappresentativi dei vissuti di chi

di fatto vi soggiorna stabilmente o lo visita e ci passa per un breve periodo di tempo.

Ipotizzare una ricerca semiotica dello spazio urbano data-driven significa cioè

interpretare i bisogni, le aspettative e le preferenze dei suoi abitanti e delle persone che

lo frequentano. D’altra parte, costruire e analizzare vasti dataset è l’unico modo per

accedere in modo relativamente veloce a un numero molto alto di opinioni, narrazioni

e descrizioni dei luoghi che si vogliono studiare.

Nel Cap. 4 ho quindi analizzato la Wibautstraat, una strada di Amsterdam molto

inquinata e poco vivibile, per comprendere come viene interpretata e usata da coloro

che la frequentano, soprattutto dopo alcune iniziative organizzate per la sua

riqualificazione. Gli elementi innovativi della mia ricerca riguardano sia l’alto numero

di informazioni e testi digitali eterogenei presi in considerazione durante l’analisi, sia

il modo in cui li ho analizzati. Generalmente gli user-generated contents (che

comprendono i contenuti social e i dati raccolti dal Citizen Data Lab grazie ai cittadini)

sono elaborati solo con strumenti di analisi quantitativa. Per questo un punto di vista

qualitativo come quello semiotico, e in generale umanistico, è un elemento di novità

rilevante nello studio dei testi che si trovano sul Web.

L’obiettivo della mia ricerca non è negare l’utilità dell’analisi quantitativa dei

dati, ma mostrare i possibili benefici di una ricerca quali-quantitativa, capace di

superare una delle dicotomie oggi più rigide nelle scienze umanistiche e sociali. D’altra

parte, i big data offrono alle discipline umanistiche un nuovo modo per affermarsi

come scienze anche quantitative e, per quanto possibile, oggettive (boyd, Crawford

2012). In questo modo essi possono aiutarci a cancellare la divisione tra quantitativo e

qualitativo e a dare più legittimità alle scienze sociali e umanistiche.

Questa terza via della ricerca, che studia i testi dal punto di vista qualitativo ma

tiene continuamente conto dei numeri che li caratterizzano, riesce ad esempio a

mostrare con quale frequenza compare ciascun significato in relazione a un luogo e

quali sono le principali tendenze comportamentali dei suoi abitanti. Un metodo

“misto” quali-quantitativo, cioè, fa corrispondere a ogni variazione quantitativa una

spiegazione qualitativa approfondita, il che permette di superare i risultati delle analisi

automatiche realizzate esclusivamente con strumenti informatici. La semiotica può

232

inserirsi con successo in questo spazio di azione, concorrendo così alla realizzazione

di alcune promesse dei big data.

Nello specifico, in questa ricerca ho analizzato con strumenti semiotici tre

corpora di dati eterogenei. Il primo, composto da 1054 rilevazioni suddivise in quattro

domini - traffic, social, environment/safety e multimedia – e raccolte dal Citizen Data Lab

con l’aiuto dei cittadini, è servito a indirizzare la successiva osservazione sul campo,

che mi ha permesso di comprendere “ciò che succede” lungo la via e di identificare le

due macro-aree più frequentate e apprezzate. Questa prima fase ha suggerito le

domande a cui in seguito ho tentato di rispondere: cosa rende queste zone più

frequentate? Cosa attira i cittadini o, al contrario, li allontana dal resto della strada?

Quali sono i programmi d’azione che caratterizzano i soggetti presenti sulla strada?

Cosa apprezzano, disprezzano o ignorano dell’ambiente che li circonda?

Grazie all’analisi del secondo corpus, composto da testi verbali e visivi che

descrivono, commentano e fotografano i problemi individuati dai cittadini sulla strada

e ne ipotizzano alcune soluzioni, ho potuto rispondere a parte di queste domande.

Identificando e categorizzando le isotopie presenti nei testi verbali ho mostrato quali

fossero i topic più frequentemente percepiti come problematici nell’area urbana e ho

identificato gli attori che sono implicitamente o esplicitamente considerati responsabili

delle criticità o destinatari delle soluzioni ipotizzate.

Il terzo corpus infine si compone di 117 immagini condivise su Instagram nei

mesi di marzo e aprile 2017, geolocalizzate presso la Wibautstraat e/o contenenti

l’hashtag #Wibautstraat. Dopo aver prodotto una descrizione densa delle immagini

per identificarne i formanti figurativi, ho realizzato un’analisi semantica e semiotica

dei testi verbali, in modo da rendere conto del significato dei post come testi sincretici.

L’analisi mi ha permesso di creare alcune categorie capaci di mostrare e generalizzare

gli aspetti della Wibautstraat che sono stati valutati positivamente dai cittadini.

Dopodiché, ho svolto un periodo di osservazione diretta di ispirazione

etnosemiotica della strada, influenzata e indirizzata dai risultati dell’analisi testuale.

Ciò ha messo in luce le numerose differenze che si nascondono dietro all’apparente

omogeneità della via e che permettono di identificare quattro porzioni di strada in base

a ciò che mette a disposizione dei cittadini e al modo in cui le persone si comportano

al suo interno. È importante ribadire che l’articolazione in zone non ha una reale radice

233

geografica, legata a confini o separazioni esistenti nello spazio, ma etnografica. Le aree

infatti sono state individuate sulla scorta dei tipi di persone che le frequentano (ad

esempio studenti, turisti e famiglie) e di come si comportano, tenendo ovviamente

conto sia delle relazioni tra queste pratiche sia della conformazione degli spazi in cui

si inseriscono. I comportamenti che caratterizzano con più frequenza ciascuna

porzione della strada sono stati poi organizzati in una tipologia che rende conto delle

principali tendenze comportamentali più o meno connesse alle diverse caratteristiche

dell’area.

A questo punto è necessario trarre alcune considerazioni sui risultati che ho

raggiunto e le potenzialità di una ricerca di questo tipo. Il valore del mio lavoro è stato

riconosciuto dai ricercatori del Citizen Data Lab perché capace di fornire spunti utili

da due punti di vista: da un lato offre informazioni qualitative e dettagliate sugli effetti

di senso che caratterizzano la strada e che sono percepiti da chi la frequenta, dall’altro

suggerisce come i cittadini interpretano questo luogo e di conseguenza come

vorrebbero che fosse per rispondere meglio alle loro esigenze. Sapere ad esempio quali

elementi di senso fanno della Cars area una zona poco attraente per i pedoni è il primo

passo per realizzare progetti di design urbano basati direttamente sui bisogni dei

cittadini.

Nel complesso, abbiamo visto che lo scopo principale della mia ricerca era

dimostrare le potenzialità offerte dall’applicazione di metodi e concetti semiotici a

grandi corpora di testi digitali relativi a un luogo, per comprendere meglio come è

interpretato, percepito e usato dai cittadini. Con il mio lavoro ho tentato di prendere

in considerazione strumenti semiotici capaci di dire qualcosa di utile a urbanisti e

designer della città, oltre a fornire informazioni dettagliate e non scontate sul senso

percepito delle diverse parti della strada che ho analizzato.

Tuttavia, spero che questo lavoro possa andare oltre il singolo caso di studio,

mostrando possibilità nuove per la semiotica. Innanzitutto, spero di aver mostrato che

la semiotica può dare un contributo rilevante allo studio di qualsiasi spazio urbano,

sia attraverso l’analisi testuale, sia con l’osservazione diretta. Come abbiamo visto, i

risultati ottenuti possono servire a comprendere meglio le dinamiche di senso che

caratterizzano un luogo e a ipotizzare soluzioni ai problemi che si riscontrano in base

ai commenti espressi dai cittadini. Non dobbiamo dimenticare però che le potenzialità

234

di un’analisi qualitativa di ampi corpora di testi digitali (ad esempio l’analisi semiotica

dei testi visivi o quella semantica degli hashtag usati su Instagram) non si limitano

all’ambito urbanistico, ma possono riguardare qualsiasi settore, come ad esempio il

marketing e le ricerche di mercato (cfr. Zannin 2009; Ceriani 2016).

Di volta in volta starà allo/a studioso/a dimostrare l’efficacia della disciplina per

realizzare ricerche professionali e attendibili che le diano un ruolo di rilievo anche in

ambienti solo parzialmente, o per nulla, legati all’accademia. Attraverso le

collaborazioni di ricerca presentate in questa tesi ho tentato infatti di far emergere lo

spirito “consulenziale” della semiotica, già messo in luce in passato, anche se da punti

di vista diversi, sia da Floch (1991), che fu tra i primi a proporre una “semiotica

consulenziale” nell’ambito del marketing, sia da studiosi di etnosemiotica come

Marsciani e Lancioni (Lancioni, Marsciani 2007; Marsciani 2007), che hanno più volte

realizzato analisi su committenza dell’organizzazione e la progettazione degli spazi in

cui si realizzano determinat comportamenti.

6. Appendice

6.1 Analisi Bertinoro

Data Tipo di viaggio

Voto (da 1 a 5)

Titolo Testo Immagini Livello semantico Valorizzazione timica

Livello discorsivo

Isotopie Topic

Aspetti enunciativi

Ruoli tematici

26-dic-12

4 Strategico Hotel ricavato all'interno di un vecchio convento, in uno dei punti più alti di Bertinoro. Sistemazione tattica per chiunque voglia visitare il castello o partecipi a uno dei tanti convegni organizzati.

«geografica»; «turismo»; «lavoro»; «studio»

“posizione geografica”; “partecipazione a corsi e convegni”

Euforica D. enunciativo

12-giu-13

affari 4 Accogliente, affascinante… un po' spartano

Nella parte alta del paese, vicino alla rocca, la residenza è situata in un antico convento,

«storia»; «fascino»; «camere piccole»; «pulizia»; «cortesia del

"luogo storico/artistico"; "stanze"; "personale"; "cibo"

Euforica D. enunciativo

professionista

236

di cui conserva tutto il fascino. Camere piccole (monacali, appunto!!), pulite e confortevoli in un'atmosfera fuori dal tempo. Personale gentilissimo, abbondante prima colazione, connessione wifi ottima. Ampio parcheggio gratuito nelle immediate vicinanze. Unico neo: essendo frequentato da studenti di tutto il mondo che convergono qui per masters e corsi di specializzazione, a volte nella notte non è proprio silenzioso.

personale» «abbondanza di cibo»; «rumorosità»

237

14-set-13 affari 2 Decisamente spartano

Terza volta che vengo in questo posto per congressi. Camere piccole con arredamento spartano e molto rumorose. Si sente tutto dalle porte. Colazione a buffet abbondante e mensa nella media. Come posizione si é molto vicini alla rocca non facile da raggiungere nei mesi invernali se c'è molta neve.

«camere piccole»; «spartanità»; «rumorosità»; «abbondanza di cibo»; «geografica»

"stanze"; "cibo", "posizione geografica"

Disforica D. enunciazionele e enunciativo

professionista

12-ott-13

3 Strategico per preparazione seminari

Struttura in posizione splendida. Vecchio convento ottimamente restaurato. Camere molto semplici. Nei bagni strani water-close con integrato biddet....un po vintage. Temo sia

«geografica»; «antichità»; «camere semplici»; «inaccessibilità»

"posizione geografica"; "stanze"; "luogo storico/artistico"

Euforica D. enunicativo e enunciazionale

professionista

238

INACCESSIBILE x chi ha problemi motori tante scale e salite senza ascensori.

16-ott-13 affari 4 Tra le segrete e l'incanto

La Rocca che domina la collina risale al X secolo, ed è uno degli esempi di restauro di maggior pregio riconosciuti negli ultimi cinquant'anni dalla comunità europea. I merli ghibellini rivivono gli antichi splendori, le volte tutt'ora affrescate osservano in silenzio l'andirivieni di convegni e corsi di formazione, ed assistono al continuo scambio interculturale. A partire dal cortile interno, fino ai

«storia»; «restauro»; «lavoro»; «studio»; «arte»; «camere semplici», «originalità»; «atmosfera fiabesca»

"luogo storico/artistico"; "partecipazione a corsi e convegni"; "stanze"; "atmosfera"

Euforica D. enunciativo

professionista

239

sotterranei, il museo interreligioso aggiunge un enorme grado di civiltà (ed annovera tra la sua collezione perfino un carboncino di Rembrandt). La maggior parte delle stanze, piccole celle accoglienti, si trovano una decina di metri più in giù, nella Foresteria, antico seminario della Diocesi di Bertinoro. Semplici, essenziali, umili. Non sarà un servizio a cinque stelle, ma il risultato è gradevole ed originale. Quando scende la sera, una sottile nebbia avvolge le mura spesse, e rende tutto ancora più

240

surreale e fiabesco. Un'esperienza unica, da rivivere e condividere.

25-gen-14

affari 4 Cordialita, semplicità, storia e paesaggio da sogno

Ho soggiornato per due fine settimana nella foresteria del CEUB, immersa nel verde, con una veduta spettaocolare e nella quiete più

«natura»; «panorama»; «arte»; «abbondanza di cibo»; «tradizione»; «camere confortevoli»;

"vista"; "luogo storico/artistico"; "cibo"; "stanze"; "atmosfera"

Euforica D. enunciazionale

professionista

241

assoluta. Ero impegnata in un corso di formazione che si è tenuto nelle sale affrescate della Rocca. I pasti venivano serviti nella mensa della foresteria e sono stati abbondanti e della più radicata tradizione romagnola. Le camere da letto erano calde e confortevoli nell' ex convento molto bello e ancora autentico. Bertinoro l'ho vista poco se non di notte dopo il corso ed è un posto incantevole dove sicuramente ci sono molte cose da scoprire. Consiglio il posto in toto.

«bellezza»; «autenticità»

242

09-mar-14

3 Essenziale in

tutto tranne nel panorama

Ho soggiornato in questa struttura in quanto partecipavo ad un meeting.il posto è spettacolare ottimamente ristrutturato nelle zone comuni. Le camere andrebbero rimodernate....le stanze della foresteria sono tutte singole o a 2letti....evitate la poltrona letto (scomodissima). Ottima la colazione, abbondante e variegata. Le tavolate invitano alla socializzazione. Il personale è gentilissimo. Se avete la fortuna di avere una bella giornata, il panorama è meraviglioso e si

«lavoro»; «bellezza»; «ristrutturazione «camere vecchie»; «camere scomode»; «migliorabilità»; «socialità»; «cortesia»; «panorama»

"partecipazione a corsi e convegni"; "stanze"; "personale"; "vista"

Euforica D. enunciazionale e enunciativo

professionista

243

riesce a vedere il mare.

10-mar-14

affari 3 Ottimo posto per l'isolamento spirituale

Grazie alla possibilità fornitami dalla mia Università, ho avuto la fortuna di visitare questo luogo magico, medievale ed ancora vergine. Silenzio e quiete sono caratteristiche tipiche di questo posto. Il centro residenziale conserva il ricordo di tempi passati: mura spesse, ornamenti minimali e corridoi ampi.

«magia»; «storia»; «silenziosità»; «riflessione»; «studio»; «lavoro»

"atmosfera"; "luogo storico/artistico"; "partecipazioni a corsi e convegni"

Euforica D. enunciazionale e enunciativo

professionista

244

Non è un posto per villeggiare ma per riflettere e dedicare del tempo allo studio e/o al lavoro. Un posto dove ritrovate se stessi.

02-giu-14

affari 4 Il posto giusto per corsi, seminari, convegni

L'arredo essenziale delle camere e l'aspetto spartano dell'intera struttura sono ampiamente compensati dalla bellezza del luogo, in una posizione privilegiata sulla collina su cui sorge il piccolo borgo di Bertinoro. Il posto ideale per immergersi totalmente in convegni e seminari, con cellulare praticamente inservibile e un

«camere essenziali»; «camere spartane»; «geografica»; «lavoro»; «studio»; «silenziosità»; «qualità del cibo»; «cortesia»

"stanze"; "posizione geografica"; "partecipazione a corsi e convegni"; "cibo"; "personale"

Bilanciata D. enunciativo

professionista

245

silenzio perfetto per la concentrazione (se si escludono i cuculi notturni fuori dalla finestra e il russare dei vicini.... le mura della struttura sono molto grosse e antiche, ma quelle tra le stanze un pochino meno). Colazione buona e pasti self-service non eccelsi ma di livello accettabile. Personale estremamente cortese.

10-ago-14

da solo 4 Basic room, pleasant sourroundings

This accommodation is located on a large state on top of a hill, which is why one can get a rather great view of the pleasant surrounding area. The room itself was very

«geografica»; «panorama»; «camere semplici»; «lavoro»

"posizione geografica"; "vista"; "stanze", "partecipazione a corsi e convegni"

Euforica D. enunciativo

professionista

246

basic, yet that was fine as I was just attending an event there for a few days..

30-giu-15

da solo 5 Beautiful views, nice old town, good wines.

The University Residential Centre is on the top of the hill - The mountain of Bertinoro. The rooms in the castle have very beautiful paintings on the walls. There is the Dante's Balcony with nice view to the highest hill - Monte maggio (350 m).

«geografica»; «arte»; «panorama»

"posizione geografica"; "luogo storico/artistico"; "vista"

Euforica D. enunciativo

02-ott-15 da solo 4 Vale più di quanto si spende

Tranquillo, spartano, come giustamente scrivono in molti, ma di fatto non manca nulla di essenziale Posto ideale per studiare e meditare. Unica pecca: mi avrebbe fatto

«spartanità»; «studio»; «meditazione»; «camere scomode»; «economicità»

"stanze"; "partecipazione a corsi e convegni"; "prezzo"

Euforica D. enunciazionale e enunciativo

professionista

247

piacere una sedia più comoda in camera, magari una poltrona. Quella che c'è scricchiola e sembra poco solida e sul punto di spaccarsi. Prezzo molto conveniente, non so se a causa di una convenzione con gli organizzatori di una conferenza

248

26-ott-15 da solo 3 Sufficiente Ho passato due notti presso la foresteria del centro universitaria e sono abbastanza soddisfatta. Dico "abbastanza" perchè la camera era molto essenziale e quindi adatta solo a passarci la notte però nonostante il servizio di pulizia quotidiana il pavimento era ancora sporco dall'occupante precedente (capelli ovunque). Non per essere puntigliosa ma le piastrelle del pavimento della stanza erano tutte rotte e decisamente inadatte per un interno. Per il resto l'armadio, il letto e la televisione erano

«camere essenziali»; «camere sporche»; «camere trasandate»; «assenza personale»; «rumorosità»

"stanze"; "personale"

Disforica D. enunciazionale

professionista

249

nuovi. Consiglio per il paesaggio dalla finestra e l'ambiente ma per quanto riguarda gli alloggi si potrebbe migliorare. Personale in reception del tutto assente. di notte molti miei colleghi sono stati disturbati da schiamazzi e non ci hanno saputo dare spiegazioni.

01-nov-15

coppia 2 Not ideal This is an interesting location, but it is not a good site for a conference. It's difficult to reach, and it is not a good place for walking around. The rooms are just ok. On the positive side, the service people are very helpful and attentive.

«scomodità della posizione»; «camere semplici»; «cordialità»

"posizione geografica"; "stanze"; "personale"

Disforica D. enunciativo

professionista

250

29-dic-15 affari 3 Monastic with Stunning Views

Stayed one night as part of a business trip. Obviously the most convenient option when you have business in the centre itself. Good, helpful service for a University centre. Don't expect anything lavish, with the single bed and the rather basic comfort. Still you have a decent bathroom and free, reliable wi-fi. However, stunning views from Dante's Balcony alone are worth the stay. "O Brettinoro, ché non fuggi via, poi che gita se n’è la tua famiglia e molta gente per non esser ria?'

«lavoro»; «economicità»; «camere semplici»; «panorama»;

"partecipazione a corsi e convegni"; "prezzo"; "vista"

Euforica D. enuniciazionale e enunciativo

professionista

251

23-mar-16

affari 3 Servizi inefficienti

Il posto è suggestivo, sembra di stare in un monastero. Ma la cella, che di per sé è spaziosa, manca di servizi essenziali, o meglio ci sono ma non sono funzionanti. Shampoo e saponi sono al limite. L'asciugacapelli e il tv non funzionavano e la pulizia non era perfetta. Inoltre si sentono tutti i rumori delle camere vicine. Non conosco il prezzo della camera per cui non posso valutare il rapporto qualità-prezzo.

«camere spaziose»; «servizi insufficienti»; «rumorosità»

"stanze"; "servizi"

Disforica D. enunciativo

professionista

252

06-apr-16

affari 5 Il posto ideale per corsi full immersion

Frequento il centro universitario di Bertinoro da molti anni per Corso di Ultrasonologia Vascolare che e' un appuntamento scientifico di rilevanza nazionale e ogni anno confermo l'apprezzamento anche per la sede, assolutamente strategica per corsi intensivi dove e' fondamentale poter lavorare con gli iscritti al corso in un ambiente accogliente oltre che estremamente suggestivo. Le camere sia in Rocca che in foresteria sono per la maggior parte essenziali nell'arredamento

«lavoro»; «ambiente suggestivo»; «camere semplici»; «camere confortevoli»; «qualità del cibo»; «abbondanza di cibo»; «problemi di connessione»

"partecipazioni a corsi e convegni"; "atmosfera"; "cibo"; "servizi"

Euforica D. enunciazionale e enunciativo

professionista

253

ma confortevoli, la qualità del cibo e' buona, le prime colazioni abbondanti. La connessione Wi-Fi non sempre ottima, ma anche questo a volte può essere vissuto come opportunità di concentrazione o relax

23-giu-16

3 Ottimo per la

concentrazione

Sono stato ospite di questa residenza per un seminario di lavoro. Molto bello come posto, favorisce molto la concentrazione. Il cibo può migliorare! Servizio molto disponibile! Le camere sono molto semplici, andrebbero un po rinnovate

«lavoro»; «bellezza»; «concentrazione»; «scarsa qualità del cibo»; «cordialità»; «camere semplici»

"partecipazione a corsi e convegni"; "atmosfera"; "cibo"; "stanze"

Bilanciata D. enunciazionale e enunciativo

professionista

254

6.2 Excel Measuring Amsterdam #1 divisi per categoria

6.2.1 Excel dati Measuring Amsterdam categoria multimedia

lng lat date mediaactivity_value mediaactivity_name

4.91166 52.35463 12/06/14 12:19:20.034000 walking

4.91166 52.35463 12/06/14 12:23:28.642000 walking

4.91166 52.35463 12/06/14 12:27:13.456000 walking

4.91166 52.35463 12/06/14 12:27:23.956000 cycling

4.91166 52.35463 12/06/14 12:28:15.369000 standingstil

4.91166 52.35463 12/06/14 12:28:27.317000 walking

4.91166 52.35463 12/06/14 12:28:32.977000 walking

4.91166 52.35463 12/06/14 12:29:57.692000 walking

4.91166 52.35463 12/06/14 12:31:11.039000 other

4.91166 52.35463 12/06/14 12:31:21.862000 cycling

4.91166 52.35463 12/06/14 12:32:25.326000 walking

4.91166 52.35463 12/06/14 12:32:43.536000 sitting

4.91166 52.35463 12/06/14 12:33:09.756000 sitting

4.9099438 52.3580526 12/06/14 12:33:29.745000 cycling

4.9099438 52.3580526 12/06/14 12:33:29.777000 cycling

4.91166 52.35463 12/06/14 12:33:32.320000 walking

4.91166 52.35463 12/06/14 12:33:41.180000 walking

4.9099438 52.3580526 12/06/14 12:34:00.227000 standingstil

4.9099438 52.3580526 12/06/14 12:34:03.689000 walking

4.90797 52.36159 12/06/14 12:34:28.174000 standingstil

4.91166 52.35463 12/06/14 12:34:45.004000 walking

4.91166 52.35463 12/06/14 12:34:54.916000 walking

4.9099438 52.3580526 12/06/14 12:35:05.930000 walking

4.9099438 52.3580526 12/06/14 12:35:09.218000 walking

4.91166 52.35463 12/06/14 12:36:05.434000 sitting

4.91166 52.35463 12/06/14 12:36:13.179000 walking

255

4.91166 52.35463 12/06/14 12:36:27.030000 standingstil

4.91166 52.35463 12/06/14 12:37:01.383000 walking

4.91166 52.35463 12/06/14 12:37:15.311000 cycling

4.91166 52.35463 12/06/14 12:37:33.741000 walking

4.9082096 52.3603004 12/06/14 12:37:57.175000 walking

4.91166 52.35463 12/06/14 12:37:59.531000 walking

4.91166 52.35463 12/06/14 12:38:08.323000 walking

4.91166 52.35463 12/06/14 12:38:12.675000 walking

4.91166 52.35463 12/06/14 12:38:17.328000 walking

4.9080161 52.3613014 12/06/14 12:38:39.526000 walking

4.91166 52.35463 12/06/14 12:38:43.776000 walking

4.91166 52.35463 12/06/14 12:39:13.942000 walking

4.91166 52.35463 12/06/14 12:39:21.458000 walking

4.91166 52.35463 12/06/14 12:39:39.268000 walking

4.91166 52.35463 12/06/14 12:39:46.194000 walking

4.91166 52.35463 12/06/14 12:40:04.466000 sitting

4.91166 52.35463 12/06/14 12:40:24.412000 walking

4.91166 52.35463 12/06/14 12:40:37.417000 cycling

4.90817 52.36033 12/06/14 12:40:53.099000 walking

4.9080161 52.3613014 12/06/14 12:40:59.144000 walking

4.91166 52.35463 12/06/14 12:41:04.904000 cycling

4.9080161 52.3613014 12/06/14 12:42:11.047000 walking

4.90817 52.36033 12/06/14 12:42:28.779000 walking

4.91166 52.35463 12/06/14 12:42:37.925000 sitting

4.91166 52.35463 12/06/14 12:42:45.324000 walking

4.90819619 52.36117747 12/06/14 12:42:46.921000 sitting

4.9080161 52.3613014 12/06/14 12:42:47.179000 sitting

4.91166 52.35463 12/06/14 12:42:58.410000 cycling

4.91166 52.35463 12/06/14 12:43:32.456000 cycling

4.90817 52.36033 12/06/14 12:44:23.852000 standingstil

4.90750 52.36446 12/06/14 12:44:26.990000 cycling

4.91166 52.35463 12/06/14 12:44:55.410000 sitting

4.91166 52.35463 12/06/14 12:45:07.692000 sitting

4.91166 52.35463 12/06/14 12:45:17.214000 sitting

256

4.91166 52.35463 12/06/14 12:45:29.558000 sitting

4.9099438 52.3580526 12/06/14 12:46:00.134000 sitting

4.91166 52.35463 12/06/14 12:46:01.580000 sitting

4.91166 52.35463 12/06/14 12:46:13.301000 sitting

4.91166 52.35463 12/06/14 12:46:27.673000 walking

4.91166 52.35463 12/06/14 12:46:37.670000 walking

4.9099438 52.3580526 12/06/14 12:46:38.397000 walking

4.9087273 52.358988 12/06/14 12:47:09.052000 cycling

4.90705843 52.36262881 12/06/14 12:47:17.513000 walking

4.9087273 52.358988 12/06/14 12:47:22.782000 standingstil

4.90705843 52.36262881 12/06/14 12:47:24.235000 walking

4.90817 52.36033 12/06/14 12:47:40.541000 sitting

4.91166 52.35463 12/06/14 12:47:40.793000 walking

4.9079246 52.3626147 12/06/14 12:47:42.511000 standingstil

4.9087273 52.358988 12/06/14 12:47:59.233000 sitting

4.9087273 52.358988 12/06/14 12:48:17.509000 sitting

4.90817 52.36033 12/06/14 12:48:30.823000 sitting

4.9079246 52.3626147 12/06/14 12:48:34.068000 walking

4.91166 52.35463 12/06/14 12:49:00.658000 walking

4.9079246 52.3626147 12/06/14 12:49:25.347000 standingstil

4.91166 52.35463 12/06/14 12:49:26.688000 walking

4.9079246 52.3626147 12/06/14 12:49:29.050000 standingstil

4.90705843 52.36262881 12/06/14 12:50:28.380000 walking

4.90705843 52.36262881 12/06/14 12:50:37.006000 standingstil

4.91166 52.35463 12/06/14 12:51:01.899000 walking

4.9087273 52.358988 12/06/14 12:51:22.497000 walking

4.91166 52.35463 12/06/14 12:51:35.734000 cycling

4.91166 52.35463 12/06/14 12:52:32.935000 cycling

4.9086803 52.3589441 12/06/14 12:52:40.874000 cycling

4.9087273 52.358988 12/06/14 12:52:46.080000 walking

4.91166 52.35463 12/06/14 12:52:49.173000 sitting

4.90817 52.36033 12/06/14 12:52:55.988000 sitting

4.90817 52.36033 12/06/14 12:52:58.948000 sitting

4.9086803 52.3589441 12/06/14 12:53:00.434000 walking

257

4.90817 52.36033 12/06/14 12:53:00.875000 sitting

4.9087273 52.358988 12/06/14 12:53:04.087000 standingstil

4.9086803 52.3589441 12/06/14 12:53:06.114000 walking

4.9087273 52.358988 12/06/14 12:53:15.204000 standingstil

4.91166 52.35463 12/06/14 12:53:26.306000 walking

4.9099438 52.3580526 12/06/14 12:53:32.385000 cycling

4.91166 52.35463 12/06/14 12:53:36.257000 cycling

4.90817 52.36033 12/06/14 12:53:58.621000 sitting

4.91166 52.35463 12/06/14 12:54:12.953000 cycling

4.90817 52.36033 12/06/14 12:54:31.285000 standingstil

4.9086803 52.3589441 12/06/14 12:54:55.908000 cycling

4.91166 52.35463 12/06/14 12:54:56.523000 cycling

4.91166 52.35463 12/06/14 12:55:03.472000 walking

4.9086803 52.3589441 12/06/14 12:55:15.796000 walking

4.9087273 52.358988 12/06/14 12:56:04.428000 standingstil

4.9086803 52.3589441 12/06/14 12:56:05.842000 walking

4.91166 52.35463 12/06/14 12:56:05.852000 walking

4.9086803 52.3589441 12/06/14 12:56:09.162000 walking

4.9087273 52.358988 12/06/14 12:56:14.046000 cycling

4.91166 52.35463 12/06/14 12:56:25.026000 sitting

4.9087273 52.358988 12/06/14 12:56:25.790000 cycling

4.91166 52.35463 12/06/14 12:56:34.684000 walking

4.91166 52.35463 12/06/14 12:56:40.501000 walking

4.9086803 52.3589441 12/06/14 12:56:57.023000 walking

4.9086803 52.3589441 12/06/14 12:56:59.543000 walking

4.9087273 52.358988 12/06/14 12:57:01.075000 cycling

4.91166 52.35463 12/06/14 12:57:04.336000 walking

4.90817 52.36033 12/06/14 12:57:24.084000 walking

4.90817 52.36033 12/06/14 12:57:26.752000 walking

4.90817 52.36033 12/06/14 12:57:28.783000 walking

4.90817 52.36033 12/06/14 12:57:39.853000 standingstil

4.9087273 52.358988 12/06/14 12:57:42.678000 walking

4.9086803 52.3589441 12/06/14 12:57:54.638000 walking

4.91166 52.35463 12/06/14 12:58:00.632000 walking

258

4.9086803 52.3589441 12/06/14 12:58:05.181000 standingstil

4.9086803 52.3589441 12/06/14 12:58:20.689000 sitting

4.9086803 52.3589441 12/06/14 12:58:26.179000 sitting

4.91166 52.35463 12/06/14 12:58:34.082000 walking

4.9086803 52.3589441 12/06/14 12:58:35.482000 sitting

4.91166 52.35463 12/06/14 12:58:46.880000 walking

4.9086803 52.3589441 12/06/14 12:58:53.282000 walking

4.9086803 52.3589441 12/06/14 12:59:30.643000 sitting

4.91166 52.35463 12/06/14 12:59:56.905000 sitting

4.9087273 52.358988 12/06/14 12:59:57.253000 cycling

4.9087273 52.358988 12/06/14 12:59:59.165000 cycling

4.91166 52.35463 12/06/14 13:00:07.744000 walking

4.90817 52.36033 12/06/14 13:00:19.592000 sitting

4.91166 52.35463 12/06/14 13:00:33.984000 driving

4.91166 52.35463 12/06/14 13:00:45.504000 cycling

4.9086803 52.3589441 12/06/14 13:01:00.561000 walking

4.91166 52.35463 12/06/14 13:01:21.345000 walking

4.9099438 52.3580526 12/06/14 13:01:21.949000 walking

4.91166 52.35463 12/06/14 13:01:43.926000 walking

4.91166 52.35463 12/06/14 13:02:10.307000 walking

4.91166 52.35463 12/06/14 13:02:15.991000 walking

4.91166 52.35463 12/06/14 13:02:29.967000 standingstil

4.9086803 52.3589441 12/06/14 13:02:38.717000 walking

4.9086803 52.3589441 12/06/14 13:02:50.693000 standingstil

4.9087273 52.358988 12/06/14 13:02:52.079000 cycling

4.9086803 52.3589441 12/06/14 13:03:01.420000 walking

4.9086803 52.3589441 12/06/14 13:03:01.521000 walking

4.90705843 52.36262881 12/06/14 13:04:26.538000 walking

4.90705843 52.36262881 12/06/14 13:04:31.397000 walking

4.90817 52.36033 12/06/14 13:05:35.851000 walking

4.90817 52.36033 12/06/14 13:05:48.031000 walking

4.9086803 52.3589441 12/06/14 13:06:25.496000 sitting

4.9086803 52.3589441 12/06/14 13:06:31.633000 standingstil

4.9087273 52.358988 12/06/14 13:06:33.247000 standingstil

259

4.9086803 52.3589441 12/06/14 13:06:51.661000 other

4.9086803 52.3589441 12/06/14 13:07:00.975000 walking

4.90705843 52.36262881 12/06/14 13:07:21.882000 cycling

4.9087273 52.358988 12/06/14 13:07:29.093000 walking

4.90705843 52.36262881 12/06/14 13:07:29.534000 sitting

4.9086803 52.3589441 12/06/14 13:07:53.411000 walking

4.90817 52.36033 12/06/14 13:08:27.005000 walking

4.9087273 52.358988 12/06/14 13:08:27.020000 standingstil

4.90705843 52.36262881 12/06/14 13:08:35.169000 standingstil

4.9087273 52.358988 12/06/14 13:08:36.420000 walking

4.9087273 52.358988 12/06/14 13:08:49.933000 standingstil

4.90817 52.36033 12/06/14 13:08:52.770000 walking

4.9086803 52.3589441 12/06/14 13:09:03.929000 standingstil

4.9086803 52.3589441 12/06/14 13:09:13.567000 walking

4.9087273 52.358988 12/06/14 13:09:17.702000 walking

4.9086803 52.3589441 12/06/14 13:09:18.517000 walking

4.90705843 52.36262881 12/06/14 13:10:03.358000 cycling

4.9086803 52.3589441 12/06/14 13:10:04.710000 driving

4.9086803 52.3589441 12/06/14 13:10:31.719000 standingstil

4.9086803 52.3589441 12/06/14 13:10:40.802000 standingstil

4.9086803 52.3589441 12/06/14 13:10:45.013000 cycling

4.9086803 52.3589441 12/06/14 13:10:50.713000 walking

4.9086803 52.3589441 12/06/14 13:10:56.833000 walking

4.90817 52.36033 12/06/14 13:11:09.326000 standingstil

4.90705843 52.36262881 12/06/14 13:11:09.564000 walking

4.9087273 52.358988 12/06/14 13:11:14.829000 walking

4.9086803 52.3589441 12/06/14 13:11:17.003000 standingstil

4.9086803 52.3589441 12/06/14 13:11:23.683000 cycling

4.90817 52.36033 12/06/14 13:11:24.689000 walking

4.9086803 52.3589441 12/06/14 13:12:11.915000 walking

4.90817 52.36033 12/06/14 13:12:14.716000 walking

4.90817 52.36033 12/06/14 13:12:40.232000 walking

4.9087273 52.358988 12/06/14 13:13:54.608000 cycling

4.90705843 52.36262881 12/06/14 13:14:13.454000 cycling

260

4.90705843 52.36262881 12/06/14 13:15:07.849000 sitting

4.9086803 52.3589441 12/06/14 13:15:42.955000 other

4.9086803 52.3589441 12/06/14 13:15:48.955000 other

4.90817 52.36033 12/06/14 13:15:49.948000 walking

4.90817 52.36033 12/06/14 13:15:59.470000 standingstil

4.911411708547279 52.355354133673586 12/06/14 13:16:56.532000 driving

4.911411708547279 52.355354133673586 12/06/14 13:17:38.214000 walking

4.911411708547279 52.355354133673586 12/06/14 13:18:19.852000 walking

4.90817 52.36033 12/06/14 13:18:40.741000 walking

4.90705843 52.36262881 12/06/14 13:19:02.120000 walking

4.90817 52.36033 12/06/14 13:19:04.210000 standingstil

4.911411708547279 52.355354133673586 12/06/14 13:19:08.083000 cycling

4.90817 52.36033 12/06/14 13:19:43.026000 standingstil

4.90817 52.36033 12/06/14 13:20:18.897000 cycling

4.9086803 52.3589441 12/06/14 13:20:57.393000 cycling

4.9086803 52.3589441 12/06/14 13:21:02.242000 sitting

4.9086803 52.3589441 12/06/14 13:21:06.192000 sitting

4.90817 52.36033 12/06/14 13:21:38.569000 standingstil

4.911411708547279 52.355354133673586 12/06/14 13:22:04.699000 cycling

4.90817 52.36033 12/06/14 13:23:08.462000 cycling

4.90817 52.36033 12/06/14 13:23:11.174000 cycling

4.90817 52.36033 12/06/14 13:23:41.729000 walking

4.911411708547279 52.355354133673586 12/06/14 13:23:49.020000 walking

4.90817 52.36033 12/06/14 13:24:03.815000 walking

4.911411708547279 52.355354133673586 12/06/14 13:24:06.965000 cycling

4.911411708547279 52.355354133673586 12/06/14 13:24:09.524000 cycling

4.9086803 52.3589441 12/06/14 13:24:23.469000 standingstil

4.911411708547279 52.355354133673586 12/06/14 13:25:10.346000 cycling

4.911411708547279 52.355354133673586 12/06/14 13:25:26.426000 other

4.911411708547279 52.355354133673586 12/06/14 13:25:44.417000 cycling

4.90817 52.36033 12/06/14 13:26:04.812000 sitting

4.9086803 52.3589441 12/06/14 13:26:33.413000 cycling

4.911411708547279 52.355354133673586 12/06/14 13:26:37.633000 cycling

4.90817 52.36033 12/06/14 13:27:02.165000 walking

261

4.911411708547279 52.355354133673586 12/06/14 13:27:39.505000 sitting

4.911411708547279 52.355354133673586 12/06/14 13:27:40.955000 sitting

4.911411708547279 52.355354133673586 12/06/14 13:27:58.022000 cycling

4.911411708547279 52.355354133673586 12/06/14 13:28:12.105000 cycling

4.9086803 52.3589441 12/06/14 13:28:27.233000 cycling

4.9086803 52.3589441 12/06/14 13:28:29.763000 cycling

4.911411708547279 52.355354133673586 12/06/14 13:29:01.236000 cycling

4.9086803 52.3589441 12/06/14 13:29:11.936000 standingstil

4.911411708547279 52.355354133673586 12/06/14 13:29:43.713000 cycling

4.911411708547279 52.355354133673586 12/06/14 13:30:28.047000 standingstil

4.9086803 52.3589441 12/06/14 13:30:55.223000 standingstil

4.9086803 52.3589441 12/06/14 13:31:25.086000 walking

4.9086803 52.3589441 12/06/14 13:31:35.212000 cycling

4.911411708547279 52.355354133673586 12/06/14 13:31:44.508000 walking

4.911411708547279 52.355354133673586 12/06/14 13:32:02.842000 walking

4.911411708547279 52.355354133673586 12/06/14 13:32:03.472000 walking

4.911411708547279 52.355354133673586 12/06/14 13:32:08.780000 walking

4.911411708547279 52.355354133673586 12/06/14 13:33:20.428000 walking

4.911411708547279 52.355354133673586 12/06/14 13:33:41.400000 walking

4.911411708547279 52.355354133673586 12/06/14 13:34:37.136000 cycling

4.911411708547279 52.355354133673586 12/06/14 13:35:07.053000 walking

4.911411708547279 52.355354133673586 12/06/14 13:35:46.740000 sitting

4.911411708547279 52.355354133673586 12/06/14 13:35:48.161000 sitting

4.911411708547279 52.355354133673586 12/06/14 13:36:41.567000 driving

4.911411708547279 52.355354133673586 12/06/14 13:37:13.113000 walking

4.911411708547279 52.355354133673586 12/06/14 13:37:26.940000 sitting

4.911411708547279 52.355354133673586 12/06/14 13:37:39.883000 cycling

4.911411708547279 52.355354133673586 12/06/14 13:37:46.378000 sitting

4.911411708547279 52.355354133673586 12/06/14 13:37:54.606000 walking

4.911411708547279 52.355354133673586 12/06/14 13:40:09.408000 standingstil

4.911411708547279 52.355354133673586 12/06/14 13:40:45.490000 walking

4.9285039 52.33692 25/06/14 08:26:44.651000 standingstil

4.91776 52.34473 25/06/14 08:31:15.429000 walking

4.91759 52.34500 25/06/14 08:32:46.898000 walking

262

4.91751 52.34513 25/06/14 08:32:58.516000 walking

4.91698 52.34634 25/06/14 08:38:22.218000 cycling

4.91698 52.34634 25/06/14 08:38:28.069000 walking

4.91698 52.34634 25/06/14 08:38:39.268000 standingstil

4.91688 52.34634 25/06/14 08:39:41.063000 standingstil

4.91714 52.34641 25/06/14 08:40:13.879000 walking

4.91714 52.34641 25/06/14 08:40:15.839000 walking

4.91714 52.34641 25/06/14 08:40:17.320000 walking

4.91771 52.34795 25/06/14 08:50:26.260000 walking

4.91726 52.34828 25/06/14 08:54:41.122000 sitting

4.91722 52.34825 25/06/14 08:54:50.162000 sitting

4.91750 52.34840 25/06/14 08:56:16.541000 sitting

4.91684 52.34954 25/06/14 09:00:30.123000 walking

4.91521 52.35062 25/06/14 09:10:05.037000 walking

4.91158 52.35463 25/06/14 09:26:10.959000 walking

4.91137 52.35504 25/06/14 09:27:45.393000 sitting

4.91115 52.35564 25/06/14 09:36:51.400000 walking

4.91117 52.35554 25/06/14 09:37:04.068000 walking

4.91114 52.35548 25/06/14 09:37:50.016000 walking

4.91091 52.35590 25/06/14 09:41:47.045000 sitting

4.91039 52.35672 25/06/14 09:46:22.796000 walking

4.90996 52.35726 25/06/14 09:49:34.383000 sitting

4.90988 52.35730 25/06/14 09:49:55.977000 standingstil

4.90923 52.35870 25/06/14 09:56:33.435000 walking

4.90886 52.35930 25/06/14 10:00:53.634000 cycling

4.90886 52.35930 25/06/14 10:00:57.885000 walking

4.90886 52.35930 25/06/14 10:00:59.894000 walking

4.90854 52.35987 25/06/14 10:02:16.042000 cycling

4.90818 52.36033 25/06/14 10:05:18.458000 walking

4.90808 52.36052 25/06/14 10:05:34.963000 walking

4.90799 52.36064 25/06/14 10:06:53.319000 walking

4.90799 52.36064 25/06/14 10:06:55.169000 walking

4.90795 52.36077 25/06/14 10:07:40.207000 walking

4.90795 52.36077 25/06/14 10:07:42.562000 walking

263

4.90755 52.36100 25/06/14 10:11:50.374000 walking

4.90810 52.36136 25/06/14 10.19.25 standingstil

4.90776 52.36098 25/06/14 10:22:40.273000 walking

4.90775 52.36100 25/06/14 10:24:55.249000 walking

4.90769 52.36118 25/06/14 11:23:46.254000 sitting

4.90738 52.36139 25/06/14 11:24:46.536000 standingstil

4.90723 52.36149 25/06/14 11:25:15.812000 sitting

4.90673 52.36297 25/06/14 11:29:52.677000 walking

4.90661 52.36323 25/06/14 11:31:32.598000 cycling

4.90522 52.36538 25/06/14 11:39:04.702000 walking

4.90509 52.36554 25/06/14 11:40:11.885000 walking

4.90354 52.36768 25/06/14 11:48:14.930000 cycling

4.90354 52.36768 25/06/14 11:48:16.490000 cycling

4.90345 52.36771 25/06/14 11:48:32.728000 walking

4.90333 52.36808 25/06/14 11:50:22.550000 standingstil

4.90279 52.36792 25/06/14 11:51:11.663000 standingstil

4.90360 52.36773 25/06/14 11:53:56.876000 cycling

4.90485 52.36688 25/06/14 11:58:47.907000 walking

4.90747 52.36246 25/06/14 12:12:47.415000 walking

4.90793 52.36186 25/06/14 12:15:11.269000 sitting

4.90785 52.36177 25/06/14 12:15:17.738000 cycling

4.90819 52.36182 25/06/14 12:16:45.426000 sitting

4.90810 52.36134 25/06/14 12:21:40.327000 cycling

264

6.2.2 Excel dati Measuring Amsterdam categoria social

lat long touchinteraction_value group_size_value gender

52.3589441 4.9086803 notouch, two mf

52.35868331130698 4.906972181735604 notouch, two mf

52.35819097178711 4.9100329345942395 notouch, two mm

52.3589441 4.9086803 notouch, two mm

52.3589441 4.9086803 notouch, two mm

52.3589441 4.9086803 notouch, two mm

52.358569471535525 4.9096207208572356 notouch, two mm

52.3589441 4.9086803 notouch, threeormore majm

52.3589441 4.9086803 torso,hands, threeormore majf

52.35827478736173 4.909831491087284 notouch, threeormore majm

52.3589441 4.9086803 notouch, two mm

52.3589441 4.9086803 notouch, two mf

52.3589441 4.9086803 notouch, threeormore majf

52.3589441 4.9086803 torso, threeormore majf

52.3589441 4.9086803 notouch, threeormore majf

52.35944 4.90893 notouch, two mf

52.35803603323569 4.909657347765594 notouch, two mm

52.3589441 4.9086803 notouch, two mm

52.3589441 4.9086803 notouch, two mf

52.35733220003354 4.910216555588021 notouch, two mm

52.35918 4.90898 other, two mf

52.3589441 4.9086803 notouch, two ff

52.35918 4.90898 other, two mf

52.35725409120455 4.910256112100501 notouch, threeormore majm

52.3589441 4.9086803 notouch, two ff

52.36159 4.90797 notouch, threeormore equal

52.35918 4.90898 torso, threeormore majf

52.3589441 4.9086803 notouch, two ff

52.3589441 4.9086803 notouch, two mm

52.35725409120455 4.910256112100501 notouch, threeormore majm

265

52.35918 4.90898 hands, threeormore majf

52.355886016309775 4.912152939901215 notouch, two mm

52.3589441 4.9086803 notouch, two ff

52.3589441 4.9086803 notouch, two mf

52.3589441 4.9086803 notouch, two mm

52.3589441 4.9086803 notouch, two mm

52.3589441 4.9086803 torso,legs, two mm

52.35639836219036 4.910732994087668 hands, two mm

52.3589441 4.9086803 legs, two mm

52.35885 4.90921 notouch, threeormore majm

52.35627356333884 4.910919692699883 notouch, two mm

52.35627356333884 4.910919692699883 notouch, threeormore majm

52.35815038443762 4.9095126986549324 notouch, two mm

52.356242914732874 4.910743078221484 notouch, threeormore majf

52.356147193398655 4.910841314126654 notouch, two ff

52.3589441 4.9086803 notouch, threeormore majm

52.35576036856729 4.910876182843848 notouch, threeormore majf

52.3589441 4.9086803 notouch, threeormore majm

52.3589441 4.9086803 notouch, threeormore majf

52.35815038443762 4.9095126986549324 notouch, threeormore majm

52.3613014 4.9080161 notouch, two mm

52.36033 4.90817 notouch, two ff

52.3589441 4.9086803 notouch, two ff

52.36033 4.90817 notouch, two ff

52.3613014 4.9080161 notouch, two ff

52.35540443378018 4.91118578462532 notouch,hands, threeormore majf

52.35815038443762 4.9095126986549324 torso, threeormore majm

52.3589441 4.9086803 notouch, two mf

52.36033 4.90817 notouch, threeormore majm

52.3589441 4.9086803 notouch, two mf

52.3613014 4.9080161 notouch, two ff

52.3589441 4.9086803 notouch, two ff

52.36033 4.90817 notouch, threeormore majm

52.36117747 4.90819619 notouch, two mm

266

52.3589441 4.9086803 notouch, threeormore majm

52.3589441 4.9086803 notouch, threeormore majm

52.35815038443762 4.9095126986549324 other, two mm

52.36117747 4.90819619 notouch, two ff

52.3589441 4.9086803 notouch, two mf

52.35815038443762 4.9095126986549324 other, two mm

52.3589441 4.9086803 notouch, two mf

52.36033 4.90817 notouch, two mm

52.36033 4.90817 notouch, two ff

52.3613014 4.9080161 notouch, two mm

52.3589441 4.9086803 notouch, two ff

52.3589441 4.9086803 shoulders,hands, threeormore majm

52.3613014 4.9080161 notouch, threeormore majm

52.3589441 4.9086803 notouch, threeormore majf

52.3589441 4.9086803 notouch, two ff

52.36033 4.90817 notouch, two ff

52.3589441 4.9086803 notouch, two ff

52.3589441 4.9086803 notouch, two mf

52.35815038443762 4.9095126986549324 notouch, two mf

52.35815038443762 4.9095126986549324 notouch, two mm

52.3589441 4.9086803 other, two mf

52.3613014 4.9080161 notouch, threeormore majm

52.3589441 4.9086803 notouch, two ff

52.36117747 4.90819619 hands, two mm

52.35815038443762 4.9095126986549324 shoulders,other, two ff

52.36033 4.90817 torso, two mm

52.3613014 4.9080161 notouch, two mf

52.3589441 4.9086803 hands, two mf

52.35815038443762 4.9095126986549324 notouch, threeormore majf

52.35418430556746 4.912392763037547 notouch, two mm

52.358988 4.9087273 notouch, threeormore majm

52.3589441 4.9086803 notouch, two mf

52.3589441 4.9086803 notouch, two ff

52.35433712140876 4.912384003405378 notouch, two mf

267

52.35815038443762 4.9095126986549324 notouch, threeormore majf

52.3589441 4.9086803 notouch, two mf

52.35815038443762 4.9095126986549324 notouch, two mm

52.35450538811493 4.912366317589686 notouch, threeormore majm

52.35815038443762 4.9095126986549324 hands, two mm

52.3589441 4.9086803 notouch, two mm

52.3613014 4.9080161 notouch, two mm

52.35457828486711 4.912105671062696 notouch, two mf

52.35815038443762 4.9095126986549324 notouch, threeormore majf

52.3589441 4.9086803 legs, threeormore majm

52.36262881 4.90705843 notouch, two ff

52.35457828486711 4.912105671062696 notouch, two ff

52.3589441 4.9086803 notouch, two mf

52.35815038443762 4.9095126986549324 notouch, two mf

52.36262881 4.90705843 notouch, two mm

52.3626147 4.9079246 notouch, two mm

52.3589441 4.9086803 notouch, threeormore majf

52.36033 4.90817 notouch, threeormore majm

52.3589441 4.9086803 notouch, two ff

52.3589441 4.9086803 notouch, two ff

52.35815038443762 4.9095126986549324 notouch,other, threeormore majf

52.3626147 4.9079246 notouch, two mm

52.3589441 4.9086803 notouch, two mf

52.36033 4.90817 notouch,head, two mm

52.3589441 4.9086803 hands, two mf

52.35815038443762 4.9095126986549324 notouch, two mf

52.358988 4.9087273 notouch, two mm

52.358988 4.9087273 notouch, two mm

52.3589441 4.9086803 legs, two mf

52.3589441 4.9086803 notouch, two ff

52.35815038443762 4.9095126986549324 notouch, two mf

52.35815038443762 4.9095126986549324 notouch, threeormore majf

52.36033 4.90817 notouch, two ff

52.36262881 4.90705843 notouch, threeormore majm

268

52.35521318253155 4.9116696405076175 notouch, two mf

52.36033 4.90817 notouch, threeormore majm

52.3589441 4.9086803 hands, threeormore equal

52.36262881 4.90705843 notouch, two ff

52.35815038443762 4.9095126986549324 notouch, threeormore equal

52.3589441 4.9086803 notouch, two mf

52.3589441 4.9086803 hands, two mf

52.355793376236136 4.911384459414394 notouch, threeormore majf

52.3589441 4.9086803 notouch, two mf

52.35815038443762 4.9095126986549324 notouch, two mm

52.3589441 4.9086803 hands, two mf

52.358988 4.9087273 shoulders, two ff

52.35619392250884 4.911177596081897 notouch, two mm

52.35815038443762 4.9095126986549324 legs, two mm

52.3589441 4.9086803 notouch, two mf

52.3589441 4.9086803 notouch, two mf

52.3589441 4.9086803 legs, two ff

52.35815038443762 4.9095126986549324 notouch, two mm

52.36033 4.90817 notouch, two mf

52.3589441 4.9086803 hands, two ff

52.35619392250884 4.911177596081897 notouch, two mf

52.36033 4.90817 notouch, two mf

52.36033 4.90817 notouch, two mf

52.36033 4.90817 notouch, two ff

52.358988 4.9087273 hands, threeormore majm

52.35815038443762 4.9095126986549324 notouch, two ff

52.35619392250884 4.911177596081897 notouch, two mf

52.36033 4.90817 notouch, two mf

52.36033 4.90817 notouch, two mf

52.358988 4.9087273 notouch, threeormore majm

52.35815038443762 4.9095126986549324 notouch, two mf

52.35644171140967 4.911032513570383 notouch, threeormore majf

52.35676540066707 4.91090367548625 notouch, threeormore equal

52.36033 4.90817 notouch, threeormore majm

269

52.358988 4.9087273 notouch, threeormore majm

52.36033 4.90817 notouch, two mf

52.355354133673586 4.911411708547279 notouch, threeormore majf

52.358988 4.9087273 notouch, two mm

52.36033 4.90817 notouch, two ff

52.36033 4.90817 notouch, two mf

52.3589441 4.9086803 notouch, two mm

52.355354133673586 4.911411708547279 notouch, two mm

52.36262881 4.90705843 notouch, threeormore majm

52.36262881 4.90705843 notouch, threeormore majf

52.36033 4.90817 notouch, two mf

52.36262881 4.90705843 notouch, two mm

52.36033 4.90817 notouch, threeormore majf

52.36262881 4.90705843 notouch, two mf

52.36033 4.90817 notouch, threeormore majm

52.3589441 4.9086803 notouch, two mf

52.355354133673586 4.911411708547279 hands, two mf

52.36033 4.90817 shoulders, two mf

52.3589441 4.9086803 notouch, two mm

52.36033 4.90817 notouch,head, two mf

52.36033 4.90817 notouch, two mm

52.3589441 4.9086803 notouch, two mf

52.355354133673586 4.911411708547279 notouch, threeormore majm

52.36033 4.90817 notouch, two mm

52.3589441 4.9086803 head, two mf

52.357576671139775 4.910490068073319 notouch, two ff

52.358988 4.9087273 notouch, two mm

52.36262881 4.90705843 shoulders, two mf

52.3589441 4.9086803 notouch, two mm

52.36033 4.90817 hands, two mf

52.357576671139775 4.910490068073319 notouch, threeormore majf

52.355354133673586 4.911411708547279 notouch, threeormore majm

52.358988 4.9087273 notouch, threeormore majm

52.355354133673586 4.911411708547279 notouch, threeormore majm

270

52.35845464752275 4.909443883229894 notouch, two mm

52.36262881 4.90705843 notouch, two mf

52.355354133673586 4.911411708547279 notouch, two mm

52.35855851352893 4.909592684583261 notouch, two mm

52.36262881 4.90705843 head,hands, threeormore majm

52.36033 4.90817 notouch, two mm

52.36262881 4.90705843 notouch, two mf

52.36262881 4.90705843 notouch, two mf

52.36033 4.90817 notouch, two mf

52.36033 4.90817 notouch, two mf

52.355354133673586 4.911411708547279 shoulders, two mf

52.36033 4.90817 notouch, two ff

52.358988 4.9087273 notouch, two mf

52.355354133673586 4.911411708547279 notouch, two mf

52.358988 4.9087273 notouch, two ff

52.358988 4.9087273 notouch, two ff

52.36262881 4.90705843 notouch, two ff

52.358988 4.9087273 notouch, two mm

52.36033 4.90817 notouch, threeormore majf

52.36262881 4.90705843 hands, two mf

52.36033 4.90817 notouch, two mf

52.36033 4.90817 notouch, two ff

52.36262881 4.90705843 notouch, two mm

52.358988 4.9087273 notouch, two mm

52.36033 4.90817 notouch, two mm

52.358988 4.9087273 notouch, two mm

52.358988 4.9087273 notouch, two mf

52.36033 4.90817 notouch, two mf

52.36262881 4.90705843 notouch, two ff

52.36033 4.90817 notouch, two mm

52.36262881 4.90705843 notouch, two mm

52.36033 4.90817 notouch, two ff

52.36033 4.90817 notouch, threeormore majf

52.355354133673586 4.911411708547279 notouch, two mm

271

52.36033 4.90817 notouch, two ff

52.36262881 4.90705843 notouch, two mf

52.36033 4.90817 notouch, threeormore majf

52.36262881 4.90705843 notouch, threeormore majf

52.36033 4.90817 notouch, two mf

52.36033 4.90817 notouch, two mf

52.355354133673586 4.911411708547279 notouch, two mf

52.36033 4.90817 notouch, two mf

52.36262881 4.90705843 torso,hands, two mf

52.36033 4.90817 notouch, two ff

52.36033 4.90817 notouch, threeormore majf

52.36033 4.90817 notouch, two mf

52.36262881 4.90705843 head,hands,other, two mf

52.3589441 4.9086803 notouch, two ff

52.355354133673586 4.911411708547279 notouch, two mf

52.355354133673586 4.911411708547279 other, two mf

52.36262881 4.90705843 notouch, two mm

52.36033 4.90817 notouch, two mm

52.36033 4.90817 notouch, threeormore majf

52.358988 4.9087273 other, threeormore majm

52.3589441 4.9086803 notouch, two mf

52.36262881 4.90705843 notouch, threeormore majm

52.3589441 4.9086803 notouch, threeormore majm

52.36262881 4.90705843 notouch, two mm

52.36033 4.90817 notouch, two mf

52.3589441 4.9086803 notouch, two ff

52.358988 4.9087273 notouch, two mm

52.3589441 4.9086803 notouch, threeormore majm

52.3589441 4.9086803 shoulders, two mf

52.358988 4.9087273 notouch, two ff

52.355354133673586 4.911411708547279 shoulders, threeormore majm

52.36262881 4.90705843 notouch, threeormore majm

52.36033 4.90817 notouch, threeormore majm

52.358988 4.9087273 notouch, two mm

272

52.36033 4.90817 notouch, two mf

52.355354133673586 4.911411708547279 notouch, two mf

52.3589441 4.9086803 notouch, two ff

52.3589441 4.9086803 notouch, two mf

52.355354133673586 4.911411708547279 notouch, two mm

52.36033 4.90817 notouch, threeormore majf

52.36033 4.90817 notouch, threeormore equal

52.36033 4.90817 notouch, threeormore majf

52.36262881 4.90705843 notouch, two mf

52.358988 4.9087273 notouch, threeormore majm

52.358988 4.9087273 other, two ff

52.358988 4.9087273 legs, two mf

52.36033 4.90817 notouch, threeormore majf

52.36033 4.90817 notouch, two mf

52.3589441 4.9086803 notouch, two mf

52.355354133673586 4.911411708547279 notouch, two mm

52.355354133673586 4.911411708547279 notouch, two mf

52.3589441 4.9086803 notouch, two mf

52.36033 4.90817 notouch, two ff

52.355354133673586 4.911411708547279 notouch, two ff

52.3589441 4.9086803 notouch, two mf

52.355354133673586 4.911411708547279 legs, two mm

52.36262881 4.90705843 notouch, two mf

52.358988 4.9087273 hands,other, threeormore majf

52.3589441 4.9086803 notouch, two mf

52.355354133673586 4.911411708547279 notouch, two mf

52.3589441 4.9086803 notouch, two ff

52.358988 4.9087273 notouch, two mf

52.355354133673586 4.911411708547279 torso, two ff

52.3589441 4.9086803 notouch, two ff

52.355354133673586 4.911411708547279 torso, two ff

52.36262881 4.90705843 notouch, two ff

52.3589441 4.9086803 legs, threeormore majf

52.36262881 4.90705843 notouch, two mf

273

52.3589441 4.9086803 shoulders, threeormore majf

52.36262881 4.90705843 notouch, two mf

52.36262881 4.90705843 notouch, two mf

52.36262881 4.90705843 notouch, two mm

52.36262881 4.90705843 notouch, two mm

52.36262881 4.90705843 notouch, two mf

52.36262881 4.90705843 notouch, two ff

52.36262881 4.90705843 notouch, threeormore majf

52.3589441 4.9086803 shoulders, two mf

52.3589441 4.9086803 shoulders, threeormore majm

52.36262881 4.90705843 shoulders, threeormore majm

52.36033 4.90817 notouch, two mm

52.36033 4.90817 notouch, two mm

52.36262881 4.90705843 notouch, two mm

52.3589441 4.9086803 notouch, two mm

52.3589441 4.9086803 notouch, two mf

52.36033 4.90817 notouch, two mf

52.36033 4.90817 notouch, two ff

52.3589441 4.9086803 notouch, two ff

52.36033 4.90817 notouch, two mf

52.36033 4.90817 notouch, two mf

52.36033 4.90817 notouch, two ff

52.36033 4.90817 notouch, threeormore majm

52.3589441 4.9086803 notouch, two mf

52.3589441 4.9086803 notouch, two mm

52.3589441 4.9086803 notouch, threeormore majf

52.3589441 4.9086803 notouch, two mm

52.3589441 4.9086803 notouch, two mf

52.3589441 4.9086803 notouch, threeormore majm

52.36033 4.90817 notouch, two mf

52.3589441 4.9086803 hands, two mf

52.3589441 4.9086803 hands, two mf

52.36033 4.90817 notouch, two mf

52.36033 4.90817 hands, two ff

274

52.3589441 4.9086803 notouch, two mf

52.3589441 4.9086803 notouch, threeormore majm

52.3589441 4.9086803 notouch, two mf

52.36033 4.90817 notouch, threeormore majf

52.36033 4.90817 notouch, two ff

52.36033 4.90817 notouch, two ff

52.36033 4.90817 notouch, two mf

52.3589441 4.9086803 notouch, two ff

52.3589441 4.9086803 notouch, threeormore majm

52.3589441 4.9086803 notouch, two mf

52.3589441 4.9086803 notouch, two mf

52.358931 4.9086677 notouch, threeormore majm

52.33692 4.9285039 notouch, two ff

52.34466 4.91718 notouch, threeormore majm

52.34489 4.91735 legs, two ff

52.34634 4.91698 notouch, threeormore majf

52.34825 4.91722 notouch, two mf

52.34825 4.91722 notouch, two ff

52.34825 4.91722 notouch, threeormore majm

52.34832 4.91730 notouch, two ff

52.34832 4.91730 notouch, two mm

52.34843 4.91759 notouch, two mf

52.34843 4.91759 notouch, two mf

52.34843 4.91759 notouch, two mf

52.34976 4.91640 shoulders,torso, two mf

52.35030 4.91646 notouch, threeormore majm

52.35194 4.91333 notouch, two mm

52.35180 4.91342 torso,hands, two ff

52.35494 4.91133 notouch, two ff

52.35590 4.91082 shoulders, threeormore majm

52.35590 4.91082 notouch, two mm

52.35590 4.91082 notouch, threeormore majm

52.35725 4.91007 head,shoulders,torso,legs,hands, two mf

52.35726 4.90996 notouch, threeormore majm

275

52.35753 4.90981 notouch, two ff

52.35799 4.90926 notouch, two mf

52.35814 4.90925 notouch, threeormore majm

52.35930 4.90882 notouch, two mm

52.35974 4.90864 notouch, two mf

52.35990 4.90827 hands, two mm

52.36013 4.90827 hands, two ff

52.36077 4.90795 notouch, two mm

52.36118 4.90737 notouch, two mf

52.36119 4.90746 notouch, two mf

52.36119 4.90749 notouch, threeormore majf

52.36131 4.90748 notouch, threeormore majm

52.36131 4.90748 notouch, two ff

52.36251 4.90678 notouch, two mf

52.36397 4.90616 notouch, threeormore majm

52.36441 4.90576 notouch, threeormore majm

52.36495 4.90546 notouch, two mm

52.36600 4.90466 notouch, threeormore majm

52.36715 4.90415 notouch, two mf

52.36715 4.90415 notouch, two mm

52.36715 4.90415 notouch, two mm

52.36715 4.90415 notouch, threeormore majf

52.36736 4.90403 notouch, two mf

52.36759 4.90367 notouch, threeormore majm

52.36759 4.90367 hands, two mf

52.36812 4.90320 head,shoulders,torso,hands, two mf

52.36799 4.90293 torso,hands, two mf

52.36800 4.90299 hands, two ff

52.36792 4.90279 notouch, two mf

52.36796 4.90298 notouch, threeormore majm

52.36749 4.90388 shoulders, threeormore majf

52.36757 4.90380 shoulders, two mm

52.36757 4.90380 notouch, threeormore majm

52.36757 4.90380 notouch, threeormore majm

276

52.36774 4.90455 hands, two mf

52.36693 4.90502 legs, threeormore majm

52.36698 4.90547 torso,legs,hands, two mm

52.36683 4.90571 notouch, threeormore majf

52.36653 4.90496 hands, two mf

52.36634 4.90553 shoulders,hands, threeormore majm

52.36520 4.90582 notouch, two mf

52.36375 4.90666 notouch, two mm

52.36221 4.90768 hands, two mf

52.36169 4.90804 notouch, two mf

52.36133 4.90821 notouch, two mf

52.36100 4.90837 hands, threeormore majm

52.49944249903899 4.930232509770713 notouch, threeormore majf

52.35984 4.90927 head, two mm

52.09306 5.13776 head,shoulders,torso,legs,hands, two mf

277

6.2.3 Excel Measuring Amsterdam 1 categoria traffic

lat value date type long

52.34558

25/06/14 08:35:18.353000 4.91722

52.33692 51 25/06/14 08:23:54.439000 4.9285039

52.33692 7 25/06/14 08:25:38.370000 4.9285039

52.34558

25/06/14 08:35:26.113000 4.91722

52.34566

25/06/14 08:35:35.264000 4.91717

52.34577

25/06/14 08:35:43.694000 4.91707

52.34577

25/06/14 08:35:45.474000 4.91707

52.34577

25/06/14 08:35:47.096000 4.91707

52.34577

25/06/14 08:35:50.174000 4.91707

52.34612

25/06/14 08:36:02.506000 4.91699

52.34612

25/06/14 08:36:04.369000 4.91699

52.34612

25/06/14 08:36:06.097000 4.91699

52.34612

25/06/14 08:36:07.568000 4.91699

52.34612

25/06/14 08:36:10.326000 4.91699

52.34612

25/06/14 08:36:11.778000 4.91699

52.34594

25/06/14 08:36:18.767000 4.91718

52.34594

25/06/14 08:36:20.448000 4.91718

52.34594

25/06/14 08:36:21.867000 4.91718

52.34572 1 25/06/14 08:36:40.157000 4.91743

52.34572 41 25/06/14 08:37:35.826000 4.91743

52.34648 4 25/06/14 08:41:22.589000 4.91678

52.34648 50 25/06/14 08:42:10.132000 4.91670

52.34673 1 25/06/14 08:43:20.304000 4.91674

52.34674 10 25/06/14 08:43:37.418000 4.91649

52.34692 5 25/06/14 08:44:36.336000 4.91636

52.34769 6 25/06/14 08:47:40.154000 4.91604

52.34763

25/06/14 08:48:33.300000 4.91567

52.34767 3 25/06/14 08:49:49.476000 4.91767

52.34795 7 25/06/14 08:52:00.268000 4.91771

52.34821 3 25/06/14 08:53:19.984000 4.91743

278

52.34827 8 25/06/14 08:53:56.634000 4.91729

52.34827 12 25/06/14 08:54:21.007000 4.91729

52.34866 17 25/06/14 08:57:15.007000 4.91781

52.34919

25/06/14 08:58:56.916000 4.91715

52.34936

25/06/14 08:59:28.081000 4.91678

52.34936

25/06/14 08:59:29.809000 4.91678

52.34939 16 25/06/14 08:59:53.031000 4.91677

52.34971 14 25/06/14 09:01:16.053000 4.91659

52.34972 8 25/06/14 09:02:46.939000 4.91640

52.34972 5 25/06/14 09:02:53.079000 4.91664

52.35035 2 25/06/14 09:08:25.479000 4.91543

52.35147 5 25/06/14 09:12:02.516000 4.91367

52.35169 35 25/06/14 09:12:56.866000 4.91349

52.35203 4 25/06/14 09:16:17.271000 4.91328

52.35267 17 25/06/14 09:17:58.519000 4.91289

52.35300 8 25/06/14 09:18:45.301000 4.91268

52.35357 5 25/06/14 09:21:31.455000 4.91233

52.35357 3 25/06/14 09:21:39.756000 4.91233

52.35365 6 25/06/14 09:22:27.400000 4.91226

52.35381 1 25/06/14 09:22:52.870000 4.91213

52.35437 3 25/06/14 09:24:57.672000 4.91190

52.35437 1 25/06/14 09:25:07.351000 4.91190

52.35476 5 25/06/14 09:26:31.268000 4.91169

52.35503 16 25/06/14 09:27:33.052000 4.91139

52.35525 34 25/06/14 09:28:17.131000 4.91124

52.35545 4 25/06/14 09.29.42 4.91112

52.35564 8 25/06/14 09:30:10.673000 4.91115

52.35550 2 25/06/14 09:39:26.011000 4.91119

52.35608

25/06/14 09:42:13.933000 4.91046

52.35617 19 25/06/14 09:42:31.803000 4.91052

52.35624 3 25/06/14 09:44:04.005000 4.91057

52.35641 4 25/06/14 09:44:09.556000 4.91064

52.35634 2 25/06/14 09:44:21.691000 4.91070

52.35630 3 25/06/14 09:44:27.543000 4.91093

279

52.35666 6 25/06/14 09:45:32.287000 4.91054

52.35666 5 25/06/14 09:45:40.107000 4.91054

52.35711 3 25/06/14 09:47:55.908000 4.91009

52.35711 5 25/06/14 09:48:07.139000 4.91009

52.35743 5 25/06/14 09:50:14.753000 4.91006

52.35750 5 25/06/14 09:51:06.855000 4.90971

52.35763 10 25/06/14 09:52:49.008000 4.90987

52.35743 3 25/06/14 09:52:55.896000 4.90970

52.35787 40 25/06/14 09:53:55.926000 4.90979

52.35782

25/06/14 09:54:03.762000 4.90948

52.35778

25/06/14 09:54:06.793000 4.90949

52.35786 1 25/06/14 09:54:21.254000 4.90960

52.35882 2 25/06/14 09:57:52.958000 4.90920

52.35882 3 25/06/14 09:58:03.545000 4.90920

52.35930 6 25/06/14 10:00:40.899000 4.90882

52.35988 7 25/06/14 10:03:46.632000 4.90836

52.36001 5 25/06/14 10:03:53.082000 4.90840

52.36093 11 25/06/14 10:11:15.439000 4.90785

52.36099 12 25/06/14 10:11:21.568000 4.90757

52.36107 3 25/06/14 10:11:34.154000 4.90801

52.36107 16 25/06/14 10:12:20.944000 4.90728

52.36127 28 25/06/14 10:12:46.849000 4.90728

52.36133 3 25/06/14 10:12:56.219000 4.90764

52.36162 33 25/06/14 10:13:36.587000 4.90734

52.36185 2 25/06/14 10:14:06.535000 4.90725

52.36117 15 25/06/14 10:19:01.593000 4.90746

52.36130 4 25/06/14 10:19:09.623000 4.90764

52.36120 15 25/06/14 10:22:04.153000 4.90746

52.36131 4 25/06/14 10:22:09.232000 4.90766

52.36105 3 25/06/14 10:24:02.900000 4.90773

52.36109 5 25/06/14 10:25:48.303000 4.90825

52.36108 18 25/06/14 11:23:20.300000 4.90777

52.36119 12 25/06/14 11:23:33.022000 4.90754

52.36262 2 25/06/14 11:27:50.182000 4.90697

280

52.36262 40 25/06/14 11:28:02.323000 4.90697

52.36297 5 25/06/14 11:29:41.419000 4.90673

52.36333

25/06/14 11:30:45.167000 4.90640

52.36332

25/06/14 11:30:48.354000 4.90632

52.36361 5 25/06/14 11:31:55.779000 4.90630

52.36361 20 25/06/14 11:32:06.978000 4.90630

52.36408 20 25/06/14 11:33:10.515000 4.90606

52.36441 15 25/06/14 11:34:44.315000 4.90589

52.36496 1 25/06/14 11:36:36.744000 4.90541

52.36510 7 25/06/14 11:38:50.809000 4.90503

52.36497

25/06/14 11:39:15.648000 4.90530

52.36496

25/06/14 11:39:18.939000 4.90521

52.36651 1 25/06/14 11:43:18.901000 4.90449

52.36651 15 25/06/14 11:43:28.912000 4.90449

52.36679 20 25/06/14 11:44:20.330000 4.90447

52.36768 14 25/06/14 11:48:07.699000 4.90354

52.36774 11 25/06/14 11:53:44.556000 4.90413

52.36755 1 25/06/14 11:55:18.704000 4.90408

52.36774 6 25/06/14 11:56:33.878000 4.90455

52.36774 40 25/06/14 11:56:43.158000 4.90455

52.36688 6 25/06/14 11:59:46.928000 4.90485

52.36695

25/06/14 12:00:53.138000 4.90592

52.36628 60 25/06/14 12:01:58.415000 4.90533

52.36597 5 25/06/14 12:02:45.539000 4.90533

52.36597 2 25/06/14 12:02:54.748000 4.90533

52.36540

25/06/14 12:04:03.759000 4.90592

52.36479 11 25/06/14 12:07:00.015000 4.90607

52.36476 80 25/06/14 12:07:12.545000 4.90610

52.36443 35 25/06/14 12:07:56.807000 4.90628

52.36416 90 25/06/14 12:08:43.690000 4.90643

52.36391 30 25/06/14 12:09:15.345000 4.90658

52.36307 28 25/06/14 12:11:27.503000 4.90705

52.36307 5 25/06/14 12:11:38.302000 4.90705

52.36272 50 25/06/14 12:12:07.676000 4.90724

281

52.36256

25/06/14 12:12:36.146000 4.90748

52.36237 20 25/06/14 12:13:55.399000 4.90773

52.36200 2 25/06/14 12:14:56.815000 4.90806

52.36171 8 25/06/14 12:17:02.413000 4.90808

52.36148 0 25/06/14 12:18:27.688000 4.90816

52.36148 26 25/06/14 12:18:40.063000 4.90816

52.36124 9 25/06/14 12:20:57.522000 4.90797

52.36140 6 25/06/14 12:21:08.694000 4.90810

52.3370874 0 30/06/14 09:30:47.687000 4.9283183

51.97811620867754

04/08/14 11:38:28.175000 5.796810263901469

51.97811620867754

04/08/14 11:38:32.237000 5.796810263901469

40.752318100000004 5 11/08/14 18:28:00.277000 -73.9883696

52.35988940000001 99 08/09/14 11:57:39.009000 4.9092866

52.36103 60 08/09/14 11:59:36.148000 4.91664

52.3598795 60 08/09/14 12:10:49.097000 4.9092825

52.35988 80 08/09/14 12:11:33.805000 4.90928

52.3598798 12 08/09/14 12:22:23.215000 4.909249

52.35987 12 08/09/14 12:22:23.220000 4.90925

52.35987 2 08/09/14 12:24:52.089000 4.90925

52.35984 2 08/09/14 12:24:52.093000 4.90909

52.35984 2 08/09/14 12:24:59.922000 4.90909

52.3598739 50 08/09/14 12:25:06.378000 4.9092892

52.35984 3 08/09/14 12:25:12.919000 4.90909

52.36032 60 08/09/14 12:25:25.456000 4.90824

52.35984 5 08/09/14 12:25:26.711000 4.90909

52.36010 6 08/09/14 12:25:30.069000 4.90909

52.36010 4 08/09/14 12:25:40.635000 4.90909

52.36010 6 08/09/14 12:25:51.766000 4.90909

52.36032 100 08/09/14 12:25:56.995000 4.90824

52.36010 6 08/09/14 12:26:02.403000 4.90909

52.36035 4 08/09/14 12:26:10.002000 4.90839

52.36035 5 08/09/14 12:26:15.884000 4.90839

52.36035 8 08/09/14 12:26:21.312000 4.90839

52.36035 1 08/09/14 12:26:27.592000 4.90839

282

52.36027 50 08/09/14 12:26:31.714000 4.90812

52.36035 6 08/09/14 12:26:32.565000 4.90839

52.36007 4 08/09/14 12:26:36.309000 4.90807

52.36007 6 08/09/14 12:26:42.631000 4.90807

52.36007 4 08/09/14 12:26:52.844000 4.90807

52.36035 60 08/09/14 12:27:02.511000 4.90815

52.36007 12 08/09/14 12:27:11.976000 4.90807

52.36109 6 08/09/14 12:27:17.630000 4.90811

52.36035 30 08/09/14 12:27:22.810000 4.90815

52.36109 4 08/09/14 12:27:30.475000 4.90811

52.36109 6 08/09/14 12:27:43.015000 4.90811

52.36044 10 08/09/14 12:27:46.859000 4.90821

52.36117 1 08/09/14 12:27:48.606000 4.90816

52.36117 2 08/09/14 12:27:52.096000 4.90816

52.36117 3 08/09/14 12:27:56.769000 4.90816

52.36117 50 08/09/14 12:28:04.539000 4.90816

52.36044 10 08/09/14 12:28:11.915000 4.90821

52.36117 25 08/09/14 12:28:13.585000 4.90816

52.36123 63 08/09/14 12:28:18.884000 4.90819

52.36123 3 08/09/14 12:28:22.651000 4.90819

52.36123 1 08/09/14 12:28:29.037000 4.90819

52.36123 12 08/09/14 12:28:35.654000 4.90819

52.36123 42 08/09/14 12:28:39.559000 4.90819

52.36123 36 08/09/14 12:28:55.559000 4.90819

52.36164 56 08/09/14 12:29:00.378000 4.90511

52.36164 36 08/09/14 12:29:06.952000 4.90511

52.36166 50 08/09/14 12:29:10.981000 4.90766

52.36164 63 08/09/14 12:29:12.788000 4.90511

52.36164 25 08/09/14 12:34:17.642000 4.90511

52.36166 30 08/09/14 12:34:19.179000 4.90766

52.36097 1 08/09/14 12:34:19.799000 4.90751

52.36097 3 08/09/14 12:34:21.971000 4.90751

52.36097 5 08/09/14 12:34:24.229000 4.90751

52.36002 60 08/09/14 12:34:31.014000 4.90784

283

52.36097 2 08/09/14 12:35:00.288000 4.90751

52.35798 3 08/09/14 12:35:04.752000 4.90745

52.35989 10 15/09/14 13:10:40.421000 4.90932

52.35987 15 29/09/14 13:50:37.454000 4.90928

52.35986 1 29/09/14 13:51:42.976000 4.90928

284

6.2.4 Excel dati Measuring Amsterdam categoria Environment

lat long

52.3590025 4.908689

52.36089695226273 4.908220464558279

52.35944 4.90893

52.36089695226273 4.908220464558279

52.35779 4.90891

52.35944 4.90893

52.3590025 4.908689

52.36089695226273 4.908220464558279

52.3590025 4.908689

52.35944 4.90893

52.35944 4.90893

52.36089695226273 4.908220464558279

52.35944 4.90893

52.35944 4.90893

52.35921 4.90888

52.35779 4.90891

52.36089695226273 4.908220464558279

52.35944 4.90893

52.35944 4.90893

52.3610641 4.907744

52.3590025 4.908689

52.35944 4.90893

52.3610641 4.907744

52.35779 4.90891

52.36089695226273 4.908220464558279

52.36089695226273 4.908220464558279

52.36089695226273 4.908220464558279

52.36089695226273 4.908220464558279

52.36089695226273 4.908220464558279

52.36089695226273 4.908220464558279

285

52.3610641 4.907744

52.35779 4.90891

52.35779 4.90891

52.36089695226273 4.908220464558279

52.36089695226273 4.908220464558279

52.36089695226273 4.908220464558279

52.36089695226273 4.908220464558279

52.36089695226273 4.908220464558279

52.3590025 4.908689

52.36089695226273 4.908220464558279

52.36089695226273 4.908220464558279

52.3610641 4.907744

52.36056 4.90763

52.36064 4.90771

52.36058 4.90737

52.35944 4.90893

52.36089695226273 4.908220464558279

52.35944 4.90893

52.35944 4.90893

52.35779 4.90891

52.35944 4.90893

52.35944 4.90893

52.35944 4.90893

52.35944 4.90893

52.35944 4.90893

52.35944 4.90893

52.35944 4.90893

52.35944 4.90893

52.35944 4.90893

52.35779 4.90891

52.36454 4.90557

52.35779 4.90891

52.36454 4.90557

52.35779 4.90891

286

52.35779 4.90891

52.35779 4.90891

52.35779 4.90891

52.35779 4.90891

52.35779 4.90891

52.35779 4.90891

52.35779 4.90891

52.35779 4.90891

52.35779 4.90891

52.35779 4.90891

52.35779 4.90891

52.35779 4.90891

52.34421 4.91725

52.34632 4.91659

52.35159 4.91354

52.35461 4.91159

52.35545 4.91112

52.35598 4.91085

52.35721 4.91006

52.35798 4.90931

52.35840 4.90912

52.36029 4.90804

52.36061 4.90757

52.36149 4.90723

52.36251 4.90678

52.36484 4.90562

52.36559 4.90492

52.36583 4.90469

52.36626 4.90445

52.36744 4.90383

52.36810 4.90320

52.36774 4.90434

52.36763 4.90362

52.36773 4.90344

287

52.36693 4.90502

52.36704 4.90550

52.36683 4.90571

52.36190 4.90791

52.36174 4.90794

52.36169 4.90804

52.36148 4.90816

288

6.3 Excel Measuring Amsterdam 2

PROBLEM_TEXT

PROBLEMI SOLUTION_TEXT

SOLUZIONI DESCRIZIONE IMMAGINE

ISOTOPIE PROBLEM

LESSICALIZZAZIONI

ISOTOPIE SOLUTION

LESSICALIZZAZIONI

TOPIC VALUE

INTENZIONI: he want to go or to remain?

To little parking space for bikes around the campus district.

Parcheggi per le biciclette troppo piccoli nel distretto del Campus.

More parking spaces or people that pack the bikes nicely together.

Più spazi per il parcheggio o persone che gentilmente legano le biciclette insieme.

Spazi per il parcheggio delle bici tra la pista ciclabile e la carreggiata praticamente pieni.

«shortage of bike parking»

"To little parking"; "bikes"

«increase of bike parking» «civic sense»

"More parking"; "people that pack the bikes nicely together"

Mobility/Transit (bikes)

N remain

Very long waiting time for pedestrians at traffic sign.

Tempo di attesa molto lungo al semaforo per i pedoni.

A bridge or tunnel can be build or traffic signs can be programmed differently.

Si possono costruire un ponte o un tunnel, o la segnaletica stradale può essere programmata diversamente.

Semaforo pedonale rosso con gente sotto la pioggia.

«waiting» «pedestrian road signs»

"Very long waiting time"; "pedestrians"; "traffic signs"

«architectur

and design»

«traffic

management»

"A bridge or tunnel can be build"; "traffic signs can be programmed differently"

Mobility/transit (pedestrians)

N pass through

Rainy day. Giornata piovosa.

Reminder pack umbrella.

Ricordare l'ombrello.

Cielo scuro e molto nuvoloso.

«weather» "rainy day" «precaution

s against the rain»

"Reminder pack umbrella"

Weather N pass through

Drink eater punt.

Punto acqua potabile.

Goed idee behalve positie.

Bella l'idea ma non la posizione.

Fontanella dell'acqua potabile dietro al bennoph e

«drink water» "Drink eater punt"

«urban

furniture design»

"behalve positie"

spatial organization

P and N

remain

289

di fronte al fest.

Nieuwe bankjes, maar naast container en werkzaamheden.

Nuove panchine, ma vicino ai bidoni e ai lavori in corso.

Verplaats containers of scherm op een mooie manier af.

Spostare i bidoni o nasconderli in un modo carino.

Panchine moderne circondate da bidoni di plastica e oggetti che dimostrano i lavori in corso (transenne, bancali...).

«novelty»

«urban

furnishing»

«esthetics»

«spatial

organization»

"Nieuwe bankjes" "maar naast container en werkzaamheden"

«spatial

organization»

«esthetics»

"Verplaats containers" "scherm op een mooie manier af"

spatial organization

P and N

remain

Bicycle parking.

Parcheggio delle biciclette.

Route direction.

Direzione della strada.

Indicazione e entrata parcheggio biciclette.

«unconfortabl

e parking»

"Bicycle parking"

«traffic

management»

"route direction"

Mobility/Transit (bikes)

N remain

Unattractive and not recognizable as a metro stop.

Fermata della metro sgradevole e poco riconoscibile.

Make the design more attractive, for example with glass.

Rendere il design più gradevole, per esempio con delle vetrate.

Struttura di metallo bianca dell'entrata della metro. Non è visibile la classica m che segnala la metro.

«ugliness»

«non-

recognition»

«transport»

"Unattractive"; "not recognizable"; "metro stop"

«urban

forniture design»

«beauty»

"Make the design more attractive"

esthetics N pass through

Bicycles cluttered.

Biciclette disordinate

More organised parking spaces.

Spazi per il parcheggio più organizzati.

Parcheggio bici tra la pista ciclabile e la carreggiata con alcune bici semicadute

«disorder» "Bicycles cluttered"

«spatial

organization»

"More organised parking spaces"

spatial organization

N remain

290

e disordinate.

Who is watching?

Chi sta guardando?

Not sure. Non sono sicuro.

Telecamera all'angolo di un palazzo.

«invasion of

privacy»

"Who is watching?"

«lack of

security»

"not sure" privacy N remain/pass through

Voetbalveldje is heel leuk, maar moet wel schoongehouden worden.

Il campo da calcio è molto bello, ma deve essere tenuto pulito.

Schoonhouden.

Mantenere pulito.

Campetto da calcetto pavimentato, protetto da una gabbia con le porte basse in metallo, ma con il pavimento molto sporco.

«sport

facilities»

«maintenanc

e»

"Voetbalveldje"; "moet wel schoongehouden worden"

«maintenan

ce»

"Schoonhouden"

maintenance

P and N

remain

Gevaarlijke situaties met scooters die fietsers inhalen.

Situazioni pericolose con scooter che superano ciclisti.

Iets met waarschuwing doormiddel van licht misschien.

Usare qualcosa come avvertimento per mezzo della luce.

Pista ciclabile con un ciclista che viene superato da uno scooter riempiendo tutto la pista.

«road safety» "Gevaarlijke situaties"; "scooters die fietsers inhalen"

«traffic

management»

"waarschuwing doormiddel van licht"

Mobility/Transit (bikes)

N pass through

Pluspunt fietsnietjes.

Più elementi metallici per le biciclette.

Hoe meer hoe bete.r

Più ce ne sono meglio è.

Parcheggio bici tra la pista ciclabile e la carreggiata con gli elementi metallici per parcheggiar

«shortage of

bike parking»

«urban

furnishing»

"Pluspunt fietsnietjes"

«increase of

bike parking»

"Hoe meer hoe beter"

spatial organization

N remain

291

e le bici, ma nessun posto libero.

Pedestrians cant cross.

I pedoni non possono attraversare.

Please green light on your side when you push the button.

Si prega di far venire la luce verde quando si preme il pulsante.

Attraversamento pedonale con il semaforo rosso.

«traffic

management»

«pedestrian»

"Pedestrians" "cant cross"

«traffic

management»

«pedestrian

crossing»

"Please green light on your side when you push the button"

mobility/transit (pedestrians)

N pass through

Busy junction with bikes and pedestrians. No space for bikes to wait.

Incrocio occupato dalle biciclette e dai pedoni. Non c'è spazio per le bici in attesa.

Move zebrapad a little, so there's room for everyone.

Spostare un po' le strisce pedonali così ci sarà posto per tutti.

Attraversamento pedonale sulla pista ciclabile completamente pieno di bici e pedoni.

«traffic

management»

"Busy junction"; "no space for bikes"

«traffic

managemen

t» «spatial

organization»

"Move zebrapad a little"

mobility/transit (bikes)

N pass through

To many cars for a park.

Troppe macchine per un parcheggio.

Less cars. Meno macchine.

Strada con auto in entrambe le carreggiate.

«spatial

organization»

«civic sense»

"Too many cars for a park"

«traffic

management»

"less cars" spatial organization

N remain

I don't like trees.

Non mi piacciono gli alberi.

Cut then and make a big fire.

Tagliateli e fate un grande fuoco.

Un grande albero.

«public

green»

«negative

feeling»

"I don't like trees"

«destruction

» «public

green management»

"cut then" green N remain

Tourist where is there nearest cofee shop?

Turisti "dov'è il prossimo coffeshop?"

Hek om centrum tegen verdwaalde touristen.

Recinto in centro per i turisti perduti.

Persone a piedi e in bicicletta sul marciapiede.

«drug

tourism»

"Tourist where is there nearest cofee shop?"

«tourism

management»

"Hek om centrum"

drug turist N remain

292

Graffity on the wall.

Graffiti sul muro.

A place for creative freedom.

Uno spazio per la libertà creativa.

Graffiti e adesivi che imbrattano una struttura metallica che ospita alcune panchine.

«street art»

«esthetics»

"graffity" «facilities

for creativit»/

«regulated

freedom of expression»

"place for creative freedom"

esthetics N remain

Geen probleem!

Nessun problema.

Tuintje! Giardino! Commento positivo sui piccoli spazi verdi privati davanti alla casa.

«lack of

problems»

"Geen probleem!"

«private

green»

«beauty»

"Tuintje!" green P remain/pass through

Schefe paaltjes.

Pali storti. Vervangen. Sostituire. Paletti metallici storti.

«maintenanc

e»

"Schefe paaltjes"

«maintenan

ce»

"Vervangen" maintenance

N remain/pass through

Oversteken. Attraversare.

Zeebrabpaden zo lang als de knowlegde mile.

Strisce pedonali per tutta la Knowledge Mile.

Immagine di una parte di strada chiaramente dedicata alle auto e nessun attraversamento all'orizzonte.

«road safety» "Oversteken" «traffic

management»

"Zeebrabpaden zo lang als de knowlegde mile"

spatial organization

N pass through

Tram and metro far from each other.

Tram e metro lontani gli uni dagli altri.

Underground to metro start at the tram stop.

Far partire la parte sotterranea della metro alla fermata del tram.

Si vede un tram ma non la fermata della metro.

«space

organization»

«transport»

"Tram and metro far from each other"

«space

organization»

"Underground to metro start at the tram stop"

spatial organization

N pass through

293

Te weinig onverwachte schoonheid.

Troppo poca bellezza inaspettata.

Kunst en interventies helpen!

Aiutare gli interventi artistici.

Gambe di una scultura posizionate in cima a uno supporto per locandine a due ruote. Effetto piuttosto trasandato.

«lack of

beauty»

"Te weinig schoonheid"

«artistic

diffusion»

"Kunst en interventies helpen!"

esthetics N remain

Eentonige buurt. Grootschaligheid. Weinig onverwachte schoonheid.

Quartiere noioso. Grandi scale. Poca bellezza inaspettata.

Interventies door kunstenaars.

Interventi di artisti.

La bicicletta con la locandina e la scultura.

«boredom»

«lack of

beauty»

"Eentonige buurt"; "Weinig onverwachte schoonheid"

«artistic

diffusion»

"Interventies door kunstenaars"

esthetics N remain

Ja er is groen. De 1e stap is gezet maar nog heel eenzijdig.

Sì, c'è del verde. Il primo passo è stato fatto ma solo da una parte.

Meer gevarieerd groen.

Più verde vario.

Alberi in fila tutti identici. Non c'è varietà.

«public

green»

«insufficiency

»

"groen"; "De 1e stap is gezet maar nog heel eenzijdig"

«lack of

variety»

"Meer gevarieerd groen"

green N remain

Cold. Freddo. Warmtepalen-global warming.

Riscaldamento globale.

Ambulante che mostra di avere freddo. C'è molto vento. Foto simpatica.

«weather» "cold" «climate

change»

"Warmtepalen-global warming"

weather N remain

Difficult crossing over as a

Difficile attraversare come

Zebrapad? Remove the short lanes.

Strisce pedonali? Rimuovere

Parte di carreggiata con

«road safety»

«pedestrian

crossing»

"Difficult crossing over as a pedestrian"

«traffic

managemen

t» «space

"zebrapad?"; "Remove the short lanes"

Mobility/transit

N pass through

294

pedestrian. Short and unclear entry lane for cars.

pedone. Corsia di accesso delle auto corta e poco chiara.

le corsie brevi

indicazioni poco chiare e una corsia che permette di voltare a sinistra molto breve.

organization»

(pedestrians)

Ugly. Brutto. Nicer shops needed.

C'è bisogno di negozi più gradevoli.

Negozio senza vetrine gradevoli, poco chiara l'attività svolta.

«ugliness» "ugly" «space

oganization»

«shops»

"Nicer shops needed"

esthetics N remain

Ik heb er een aar over gedaan om deze fietsestallling te vinden.

Ci vuole un anno per trovare il parcheggio delle biciclette.

Lichtspoor naar de stalling.

Traccia luminosa fino al parcheggio.

Cartello che indica la direzione per l'area dove lasciare la bicicletta.

«orientation

difficulties»

"Ik heb er een aar"

«Traffic

management»

"Lichtspoor naar de stalling"

spatial organization

N remain

Zwerfafval. Rifiuti. Lokaal hergebruiken.

Riciclo locale.

Bicchieri di carta e un cartone del latte a bordo strada.

«dirt» "Zwerfafval" «waste

management»

«recycling»

"Lokaal hergebruiken"

esthetics N remain

Bedrijf Kan niet in Noord bij pont staan.

Le aziende non possono andare al nord attraverso l'acqua.

Vervoeding weer verlenen en bootverkeer pont duidelijker

Ridistribuire il trasporto e semplificare il traffico navale.

«ferry

transport difficulties»

"niet in Noord bij pont staan"

«ferry

transport management»

"Vervoeding weer verlenen en bootverkeer pont duidelijker stroomlijnen"

mobility/transit (ferry)

pass through

295

stroomlijnen.

Groene golf alleen voor autos.

Onda verde (semaforo) solo per le auto.

Langzamer instellen.

Renderlo più lento.

Attraversamento pedonale e semaforo.

«waiting»

«pedestrian

road signs»

"Groene golf alleen voor auto"s"

«traffic

management»

«slowdown»

"Langzamer" Mobility/transit (pedestrians)

N pass through

Does not invite social interaction.

Non invita all'interazione sociale.

Make it more inviting.

Rendetelo più invitante.

Panchine rettangolari al centro di uno spazio tra il marciapiede e la carreggiata, vicino al bidone.

«difficult

social interaction»

"Does not invite social interaction"

«urban

forniture design»

"Make it more inviting"

spatial organization

N remain

Fill more with life.

Riempire con più vita.

Bulls student housing to fill local cafes.

Abitazioni per stuenti per riempire i cafe locali.

Immagine della strada in un momento che non passa o sosta nessuno a piedi (solo auto e un ciclista).

«lack of

vivacity»

"fill with life" «housing

management»

"student housing"

atmosphere

N remain

Cctv cameras: wil niet gemonitord worden.

Telecamere a circuito chiuso: non sarà monitorata.

Geen cameras, duidelijker positioneren-aangeven waar ze zijn en wat er met je data

Nessuna telecamera, indicazioni più chiare su dove si trovano e di cosa viene

Telecamera all'angolo di un palazzo.

«lack of

security»

"wil niet gemonitord worden"

«privacy» "duidelijker positioneren-aangeven"; "wat er met je data gedaan wordt"

privacy N remain/pass through

296

gedaan wordt. Dr kanis.

fatto con i nostri dati.

Ik krijg geen voorrang bij het laatste stukje zebra.

Non viene capita la priorità dell'ultima parte di strisce pedonali.

Gaming principes: beloningssysteem voor fietsers (die stoppen) en vrije overgang voor voetgangers met genoeg badges en levens.

Principi di gioco: sistema di ricompense per i ciclisti in modo che smettano di comportarsi male e per i pedoni liberi di passare.

Breve attraversamento all'uscita della metro dove si rischia di venire investiti dalle biciclette.

«road safety» "voorrang bij het laatste stukje zebra"

«gaming»

«traffic

managemen

t» «road

safety/

"Gaming principes"; "beloningssysteem voor fietsers (die stoppen)"; "vrije overgang voor voetgangers"

mobility/transit (pedestrians)

N pass through

Building are old and ugly looking.

Gli edifici sono vecchi e hanno un brutto aspetto.

Get artist to repaint and bring art/ make it more lively.

Chiamare artisti per ridipingere per portare arte/renderli più vivaci.

Edificio vecchio ma non storico o tradizionale, sporco e pieno di graffiti.

«ugliness»

«ageing

building»

"old"; "ugly looking"

«artistic

diffusion»

«vivacity»

"Get artist to repaint and bring art"; "make it more lively"

esthetics N remain

Debris and dirt along the street.

Detriti e sporcizia lungo la strada.

Improve way of working in construction companies.

Migliorare il modo di lavorare delle aziende di costruzione.

Sacco di detriti, montagna di terra, transenne a bordo strada.

«dirt» "Debris and dirt"

«public

work management»

"Improve way of working in construction companies"

esthetics N remain

Empty building.

Edificio vuoto.

Room for startups.

Stanze per startup.

Grande edificio.

«not use»

«wasted

space»

"empty building"

«space

organization

» «new

business»

"Room for startups"

spatial organization

N remain

297

amsterdan dance event: Trekt veel drugstoerisme aan.

Eventi dance Amsterdam: attira molto turismo della droga.

Richten op andere evenementen.

Spostare l'attenzione su altri eventi.

Strada e edifici.

«dance

music» «drug

tourism»

"dance event" "Trekt veel drugstoerisme aan"

«event

organization

» «change»

"Richten op andere evenementen"

tourist N remain

This doesn't belong here.

Questo non appartiene a questo posto.

Transform into art gallery.

Transformarlo in una galleria d'arte.

Officina di auto all'angolo di un palazzo.

«unrecogniza

bility» «non

involvment»

"doesn't belong here"

«artistic

diffusion»

«transforma

tion»

"Transform"; "art gallery"

atmosphere

N remain

Paaltjes voor ingang AH niet handig met boodschappen.

I paletti all'entrata dell'AH sono scomodi per fare shopping.

Verwijder paaltjes.

Rimuovere i paletti.

Entrata del supermercato con una fila di paletti.

«space

organization»

«shopping»

«disconfort»

"Paaltjes voor ingang AH"; "niet handig met boodschappen"

«urban

forniture design»

«space

organization»

"Verwijder paaltjes"

spatial organization

N remain

Noise from traffic.

Rumore proveniente dal traffico.

Active noise cancelling.

Attivare azioni per cancellare il rumore.

Strada trafficata.

«noise»

«traffic»

"noise"; "traffic"

«noise

management»

"Active noise cancelling"

noise management

N remain

To much noise.

Troppo rumore.

Anti sound system. Electronic or natural.

Sistemi anti-rumore. Elettronici o naturati.

Persone sul marciapiede e traffico sul fondo.

«noise» "Too much noise"

«noise

management»

"Anti sound system"

noise management

N remain

Wat een lawaai!

Che rumore!

Regelmatig nog meer lawaai. Dan valt het weer mee.

Regolamentare di più il rumore. Il tempo non è male.

Foto di una persona che si copre le orecchie per il rumore.

«noise» "Wat een lawaai!"

«noise

management»

"Regelmatig nog meer lawaai"

noise management

N remain

Te weinig liefde in het

Non abbastanza

Minder dan 10 likes:

Il proprietario

Graffito "vita".

«ugliness» "Te weinig liefde"; "werk

«cleanliness

» «regulated

"maker moet het

esthetics N remain

298

werk van graffiti artists.

amore nel lavoro degli artisti di strada.

maker moet het weghalen gratis kleurspuitbussen voor graffitti artist gratis workshops voor graffitti artists.

dovrebbe cancellare il graffito selvaggio. Organizzare workshop gratuiti per street artists.

van graffiti artists"

freedom of expression»

weghalen"; "Gratis kleurspuitbussen voor graffitti artist"

Oversteken. Attraversare.

Wilde dieren zoals zebras laten rond lopen zodat de auto langzaam moeten rijden en wij rustig kunnen oversteken. Alle rechten van dit probleem en oplossing liggen bij marije en gideon.

Far vagare animali selvatici come zebre (strisce pedonali) così le macchine devono rallentare e si può attraversare tranquillamente.

Immagine di un elefante, ipotizzo una locandina di un circo.

«pedestrian

crossing»

«road safety»

"Oversteken" «pedestrian

road signs»

«traffic

managemen

t» «road

safety»

"de auto langzaam moeten rijden"; "wij rustig kunnen oversteken"

mobility/transit (pedestrians)

N pass through

Privacy schending door gebruik van deze tool (ongewilde fotos van mensen,

Violazione della privacy (foto indesiderate di persone,

Gebruik analoge cameras, keuze met wie he data wel niet wil delen,

Uso di telecamere analogiche e più chiarezza riguardo a dove

Foto di un altro partecipante che fotografa con il cellulare.

«invasion of

privacy»

"Privacy schending"; "ongewilde fotos van mensen"; "location moet aan"

«trasparenc

y» «privacy»

"duidelijker over met wie je datA gedeeld wordt"

privacy N remain

299

location moet aan etc).

localizzazioni..).

duidelijker over met wie je data gedeeld wordt.

verranno condivisi i dati.

Parkinglot. Parcheggio.

Could be a big terrasje.

Potrebbe esserci un grande terrazzo.

Parcheggi non desiderati vicino al marciapiede.

«space

organization»

«car park»

"Parkinglot" «space

organization»

«transforma

tion»

"Could be a big terrasje"

spatial organization

N remain

Cars! Auto! An overpass! Or a 1-lane road, or no road, or a tunnel!

Un cavalcavia! O una strada a senso unico, o nessuna strada, o un tunnel!

Strada a due corsie con parecchie auto.

«traffic» "cars!" «traffic

management»

«transforma

tion»

"An overpass!"; "a 1-lane road"; "no road"; "a tunnel"

mobility/transit

N remain

Buurtinfrastructuur wordt gebruikt voor commerciële doeleinden.

Infrastrutture del vicinato utilizzate per scopi commerciali.

Infrastructuur ter beschikking stellen aan buurtbewoners, scholen etc.

Realizzare delle infrastrutture per i residenti, scuole…

Grande azienda.

«business» "Buurtinfrastructuur"; "commerciële doeleinden"

«space

oganization»

«transforma

tion»

"Infrastructuur ter beschikking"; "scholen"

spatial organization

N remain

Cigarettes in the street.

Sigarette nella strada.

Ashtrays or ashbins.

Posacenere o bidoni per sigarette.

Tombino coperto di mozziconi di sigarette.

«dirt» "Cigarettes in the street"

«urban

funiture»

"Ashtrays"; "ashbins"

esthetics N remain

Paparazzi- liggen overal op de loer (hntm).

Paparazzi in agguato ovunque.

Meer initiatieven om persoonlijke

Ulteriori iniziative per garantire la

Ragazza fotografata sulla strada (foto scherzosa).

«invasion of

privacy»

"Paparazzi" «privacy» "initiatieven om persoonlijke privacy"

privacy N remain

300

privacy te waarborgen.

privacy personale.

Lelijke constructies, bouwwerken.

Strutture e edifici brutti.

Meer mooie dingen durven neerzetten (a la gehry-architect).

Più cose belle.

Struttura rossa da controllare.

«ugliness» "Lelijke constructies"

«need of

beauty»

"Meer mooie Dingen Durven neerzetten"

esthetics N remain

Rotterdam-like vibe. Windy. Ongezellig.

Atmosfera simile a Rotterdam. Ventoso. Asociale.

More shops at ground level, preferably local with character. Include luifeltje.

Altri negozi al livello del suolo, preferibilmente a carattere locale. Mettere una tettoia.

Piazzale davanti all Benno PH.

«unrecogniza

bility»

«antisocial

behaviour»

"Rotterdam-like vibe"; "Ongezellig"

«local

business»

"More shops" atmosphere

N remain

301

6.4 Measuring Amsterdam 2: immagini

302

303

304

6.5 Immagini Instagram

6.5.1 Categoria “Food”

305

306

6.5.2 Categoria “Outdoor spaces”

307

6.5.3 Categoria “Indoor spaces”

308

6.5.4 Categoria “Culture”

309

6.5.6 Categoria “Street art”

310

6.5.7 Categoria “Sport”

6.5.8 Categoria “Transports”

7. Riferimenti bibliografici

ACCARDO, L. et. al., (Laboratorio di Osservazione esplorativa)

2015 Via Mascarella. Declinazione di uno spazio denso, Esculapio, Bologna.

AIELLO, G.

2013 “Generiche differenze. La comunicazione visiva della società lesbica

nell’archivio fotografico Getty Images”, in Studi Culturali, X, 3, dicembre 2013,

pp. 523-548.

ANDERSEN, P., BOGH

1992 Computer Semiotics, “Scandinavian Journal of Information System”, vol. 4.

ANTONIOU, G.; VAN HARMELEN, F.

2004 A Semantic Web Primer, MIT Press, USA.

ARONSON, R.E.; WALLIS, A.B., O’CAMPO, P.J., SCHAFER, P.

2007 “Neighborhood mapping and evaluation: a methodology for participatory

community health initiatives”, in Matern. Child Health J., vol. 11, n. 4, pp. 373-

383.

AURELI, S., COZZAGLIO, F.

2004 “Analisi semiotica di due spazi urbani. Il teatro e il parco”, in Martinelli, F. (a

cura di), Città e scienze umane, Liguori Editore, pp. 265-278.

BARBOSA, S.D.J., BREITMAN, K.K., CASANOVA, M.A., FURTADO, A.L.

2007 “The Semiotic Web”, in Proceedings of the Second Workshop of the Brazillian

Institute for Web Science Research, pp. 238-254, Rio de Janeiro.

312

BARCELLONA, L., PRONI, G.

2009 “Rimini_segni. Percorsi e mappe del territorio urbano riminese. Analisi

semiotico-progettuale”, in Leone, M. (a cura di), La città come testo. Scritture e

riscritture urbane, Lexia, vol. 01/02, pp. 377-387.

BARONCELLI, R., MARANGI, V.

2008 Teoria, tecniche e strumenti dell’informatica, ETS, Pisa.

BARTHES, R.

1985 L’aventure sémilogique, Éditions du Seuil, Paris (trad. it. L’avventura semiologica,

Cederna C. M. (a cura di), Einaudi, Torino, 1991.

BASSO, P.

2005 “Identità della città storica, identità dei cittadini”, in E|C Rivista dell’Associazione

Italiana di Studi Semiotici on-line, http://www.ec-

aiss.it/includes/tng/pub/tNG_download4.php?KT_download1=0e745778fe0

1bec096507ec31b7f416d

BATTISTINI, E.; MONDINO, M.

2017 “For a semiotic multisensorial analysis of urban space. The case of Ballaro and

Vucciria markets in Palermo, in Punctum, vol. 3 (1), pp. 12-26.

BEAUDE, B.

2016 The Ends of the Internet, Network Notebook n. 11, Fyp, Amsterdam.

BENNATO, D.

2011 Sociologia dei media digitali, Laterza, Roma-Bari.

2015 Il computer come macroscopio: big data e approccio computazionale per comprendere i

cambiamenti sociali e culturali, Angeli, Milano.

BERNARDELLI, A.; GRILLO, E.

2014 Semiotica. Storia, contesti e metodi, Carocci, Roma.

313

BERNERS-LEE, T.

2001 L’architettura del nuovo Web, Feltrinelli, Milano.

BERTETTI, P.

2006 “Il senso calpestato. Per una semiotica del marciapiede”, in E|C Rivista

dell’Associazione Italiana di Studi Semiotici on-line, http://www.ec-

aiss.it/includes/tng/pub/tNG_download4.php?KT_download1=7d5c39e2594

a3200f5fc3f334b377d39

BIGI, N; CODELUPPI, E.

2011 “Viaggio nei social media”, in E|C Serie Speciale, Anno V, n. 9, pp. 5-9.

BIKAKIS, N.

2018 “Big Data Visualization Tools”, ATHENA Research Center, Greece.

https://arxiv.org/pdf/1801.08336.pdf

BING, L.

2010 “Sentiment Analysis and Subjectivity”, in Indurkhya, N.; Damerau, F., (a cura

di), Handbook of Natural Language Processing, 2ed., CRC Press.

BLASI, G.

2003 “Semantic Web. Determinismo e antideterminismo tecnologico”, in Cosenza, G.

(a cura di), Versus, n. 94-95-96, pp. 59-70.

BOCCIA ARTIERI, G.

2012 Stati di connessione. Pubblici, cittadini e consumatori nella (social) network society,

FrancoAngeli, Milano.

BOCCIA ARTIERI, G.; GEMINI, L.; PASQUALI, F., et al.

2017 Fenomenologia dei social network. Presenza, relazioni e consumi mediali degli italiani

online, Guerini, Milano.

314

BOERO, M.

2018 “Social network e identità del territorio. Un’indagine semiotica”, in E|C Rivista

dell’Associazione Italiana di Studi Semiotici on-line, http://www.ec-

aiss.it/includes/tng/pub/tNG_download4.php?KT_download1=31fde351817

8e5914566c94d0fd66aab

BONAZZI, M.

2012 Reti sociali e realtà aumentata: la digitalizzazione della vita quotidiana, Tesi di

Dottorato, Università di Bologna.

2014 La digitalizzazione della vita quotidiana, Angeli, Milano.

BONINI, LESSING, E.

2006 “Sistemi informativi e attribuzioni di senso”, in E|C Rivista dell’Associazione

Italiana di Studi Semiotici on-line, http://www.ec-

aiss.it/includes/tng/pub/tNG_download4.php?KT_download1=7adc9953a48

39ba25afc74a23c7e3636

BONORI, P.

2006 “Città collage: conflitti di senso nei territori metropolitani, tra risemantizzazioni

e travestimenti”, in Marrone, G.; Pezzini, I. (a cura di), Senso e metropoli. Per una

semiotica posturbana, Meltemi, Roma.

BONSIEPE, G.

1995 Dall’oggetto all’interfaccia: mutazioni del design, Feltrinelli, Milano.

BORNE, K.

2010 “Astroinformatics: data-oriented astronomy research and education”, in Earth

Science Informatics, vol. 3, n. 1-2, pp. 5-17.

315

BORRELLI, G.

2018 “Realtà aumentata e general intellect. Ipotesi per una semiotica materialistica

degli smartmedia”, in E|C Rivista dell’Associazione Italiana di Studi Semiotici on-

line,

http://www.ec-aiss.it/monografici/23_nuove_pratiche_digitali/Borrelli_28_2_18.pdf

BOYD, D. .; CRAWFORD, K.

2012 “Critical questions for big data. Provocations for a cultural, technological, and

scholarly phenomenon”, in Information, Communication & Society, vol. 15, n. 5,

pp. 662-679.

BOYD, D.; ELLISON, N.B.

2008 “Social Network Sites: Definition, History, and Scholarship”, in Journal of

Computer-Mediated Communication, International Communication Association,

13, pp. 210–230.

BRESCIA, M.; LONGO, G.

2013 “Astroinformatics, data mining and the future of astronomical research”, in

Nuclear Instruments and Methods in Physics, vol. 720, pp. 92-94.

BROWN, B; BUGHIN, J. et al.

2011 Big data: The next frontier for innovation, competition, and productivity, McKinsey &

Company.

CALANDI, S.

2003 “Il campionamento: analisi del concetto di rappresentatività”, in Sociologia e

Ricerca Sociale, n. 3, pp. 70-96.

CALIRI, G.

2010 “Invito all’indugio. Lo sguardo etnosemiotico su mobilità e stasi pedonale per

il progetto di riqualificazione di un quartiere del centro storico di Modena”, in

316

Bianchi, C.; Montanari, F.; Zingale, S. (a cura di), La semiotica e il progetto 2,

FrancoAngeli, Milano, pp. 45-63.

CALVINO, I.

1975 “Gli Dei della città”, in Una pietra sopra. Discorsi di letteratura e società,

Mondadori, Milano.

CARPINETO, C.; ROMANO, G.

2005 “Verso i motori di ricerca di prossima generazione”, in Mondo Digitale, n. 2, pp.

19-31.

CASTELLS, M.

2008 Mobile communication e trasformazione sociale, Guerini, Milano.

CELLI, F.

2016 I dati umani, Aracne, Roma.

CENTRO RICERCHE SEMIOTICHE DI TORINO

1998 Leggere la comunicazione: politica, pubblicità, internet, Meltemi, Roma.

CERIANI, G.

2016 “Reputazione, popolarità, sentiment. Discorsi sul sesso in rete e problematiche

di ricerca integrata”, in Ferraro G.; Lorusso A. (a cura di), Nuove forme

d’interazione dal web al mobile, Libellula Edizioni, Lecce, pp. 43-51.

CERON, A.; CURINI, L.; IACUS, S.M.

2014 Social Media e Sentiment Analysis. L’evoluzione dei fenomeni sociali attraverso la Rete,

Springer, Milano.

CHOMSKY, N.; DE PALA, A.

1970 La grammatica generativa transformazionale, Boringhieri, Torino.

317

CIUFFI, V.

2006 “Terrain vagues: il rovescio dei vuoti urbani” in E|C Rivista dell’Associazione

Italiana di Studi Semiotici on-line, http://www.ec-

aiss.it/includes/tng/pub/tNG_download4.php?KT_download1=d5ae4a7023c

904c32481040f7b66772e

COMITEAU, L.

2017 “Amsterdam’s smartest street”, AMS Business Magazine, n. 6, pp. 157-159.

COMUNELLO, F.

2010 Networked sociability. Riflessioni e analisi sulle relazioni sociali (anche) mediate dalle

tecnologie, Guerini, Milano.

CORBETTA, P.

2003 Metodologia e tecniche della ricerca sociale, Il Mulino, Bologna.

COSENZA, G.

2004 Semiotica dei nuovi media, Laterza, Roma-Bari.

2009 “Semiotica dei nuovi media”, XXI Secolo. Comunicare e rappresentare, a cura di

Tullio Gregory, Istituto dell’Enciclopedia Treccani, Roma, pp. 225-232.

2012 “Narratività, interfacce informatiche, usabilità”, in Lorusso A.; Paolucci C.; Violi

P. (a cura di)., Narratività: problemi, analisi, prospettive, Bononia University Press,

Bologna.

2014 Introduzione alla semiotica dei nuovi media, Laterza, Roma-Bari.

2016 “Il “popolo del Web”, fra apocalittici e integrati, determinismo e

indeterminismo tecnologico”, in Ferraro G.; Lorusso A. (a cura di), Nuove forme

d’interazione dal web al mobile, Libellula Edizioni, Lecce, pp. 31-42.

COSENZA, G.; COLOMBARI, J.; GASPARRI, E.

2016 “Come la pubblicità italiana rappresenta le donne e gli uomini”, in Versus, vol.

2, n. 123, pp. 323-361.

318

COX, M.; ELLSWORTH, D.

1997 “Managing big data for scientific visualization”, in ACM Siggraph,

COZZA, V.; PETROCCHI, M.; SPOGNARDI, A.

2018 “Mining implicit data association from Tripadvisor hotel”, in Workshop

Proceedings of the EDBT/ICDT 2018 Joint Conference, Vienna, http://ceur-

ws.org/Vol-2083/paper-09.pdf

D’AMICO, E.

2013 “Sì, io c’ero! Nota per un’analisi dell’economia dello scatto in Instagram”, in

Mediascape Journal,

https://ojs.uniroma1.it/index.php/mediascapes/article/download/11609/1

1466

DAVENPORT, T.

2014 Big Data @ Work. Dispelling the Myths, Uncovering the Opportunities, Harvard

Business School Publishing, Boston (trad. it. Big Data @l lavoro. Sfatare i miti,

scoprire le opportunità, Angeli, Milano, 2015).

DE CERTEAU, M.

1980 L’invention du quotidien, Union Generale d’Editions, Paris (trad. it. L’invenzione

del quotidiano, Lavoro, Roma, 2001).

DE LANGE, M; DE WAAL, M.

2013 “Owning the city: New media and citizen engagement in urban design”, in First

Monday, vol. 18, n. 11, http://firstmonday.org/article/view/4954/3786

DEL MARCO, V.

2016 “Sincretismi in rete. Enunciazioni visive”, in Ferraro G.; Lorusso A. (a cura di),

Nuove forme d’interazione dal web al mobile, Libellula Edizioni, Lecce, pp. 53-66.

319

DEL MARCO, V.; MAZZUCCHELLI, F.

2018 “Premessa”, in Nuove pratiche digitali. La ricerca semiotica alla prova, (a cura

di), E|C Rivista dell’Associazione Italiana di Studi Semiotici on-line,

http://www.ec-

aiss.it/includes/tng/pub/tNG_download4.php?KT_download1=53534859ac1

de2d00f1da1b2bd056ff5

DEL NINNO, M.

2007 Etnosemiotica. Questioni di Metodo, Meltemi, Roma.

DELLA VALLE, E.; CELINO, I.; CERIZZA, D.

2009 Semantic Web: dai fondamenti alla realizzazione di un’applicazione, Pearson Addison

Wesley, Milano.

DELEUZE, G.; GUTTARI, F.

1980 Mille Piani, Istituto dell’Enciclopedia Italiana, Roma.

DOAN, A.; RAMAKRISHNAN, R.; HALEVY, A.Y.

2011 “Crowdsourcing systems on the world-wide web”, Commun. ACM, vol. 54, n. 4,

pp. 86-96.

DONATIELLO, P.

2017 Osservabilità del senso ed etnosemiotica per la città: uno studio a partire da Bologna,

Tesi di Dottorato, Università di Bologna.

DONDERO, M. G.

2005 “Approcci semiotici alla configurazione del giardino”, in E|C Rivista

dell’Associazione Italiana di Studi Semiotici on-line, http://www.ec-

aiss.it/includes/tng/pub/tNG_download4.php?KT_download1=0d017039ae3

ba271a330216ab426cfd2

320

ECO, U.

1975 Trattato di semiotica generale, Bompiani, Milano.

1979 Lector in fabula. La cooperazione interpretativa nei testi narrativi, Bompiani, Milano.

1984 Semiotica e filosofia del linguaggio, Einaudi, Torino.

ETZ, R.S.; GONZALEZ, M.M.; EDEN, A.R et al.

2018 “Rapid Sense Making: A Feasible, Efficient Approach for Analyzing Large Data

Sets of Open-Ended Comments”, in International Journal of Qualitative Methotds,

vol. 17, SAGE, pp. 1-10.

FABBRI, P.; MARRONE, G.

2000 Semiotica in nuce, I. I fondamenti e l’epistemologia strutturale, Meltemi, Roma.

FERRARO, G.

2014 “Dopo la multimedialità. L’evoluzione dei modelli culturali, dal web a Google

Glass”, in Pezzini, I., Spaziante, L. (a cura di), Corpi mediali, Edizioni ETS, pp.

41-63.

2016 “Introduzione. Dal web al mobile: nuove sfide per le competenze semiotiche”,

in Ferraro G.; Lorusso A. (a cura di), Nuove forme d’interazione dal web al mobile,

Libellula Edizioni, Lecce, pp. 5-13.

2003 “La sfida di Internet al concetto di testo”, in Cosenza, G. (a cura di), Versus, n.

94-95-96, pp. 99-111.

FERRARO, G; LORUSSO, A.M.

2016 Nuove forme d’interazione dal web al mobile, (a cura di), Libellula Edizioni, Lecce,

pp. 5-13.

FESTI,

2014 “Le valenze diffrante del segno in interfaccia. Instagram vs Flickr alla luce di

una rilettura peirciana” in Proni G.; Zingale S. (a cura di) Commemorating Charles

S. Peirce (1839-1914): interpretive semiotics and mass media, Ocula, vol. 15, n. 15,

321

https://www.ocula.it/files/OCULA-15-FESTI-Le-valenze-diffrante-del-

segno-in-interfaccia.pdf

FINOCCHI, R.

2016 Ipermedia e locative media. Cronologia, semiotica, estetica, Nuova Cultura, Roma.

2018 “Iperimmaginare l’ipermondo: locative media e augmented reality”, in E|C

Rivista dell’Associazione Italiana di Studi Semiotici on-line.2016 Ipermedia e locative

media. Cronologia, semiotica, estetica, Nuova Cultura, Roma, http://www.ec-

aiss.it/includes/tng/pub/tNG_download4.php?KT_download1=9e532856c83

d3503fd08a283ab5adc8b

FINOCCHI, R.; PAGLIA, M.

2016 “#hashtag: scrivere nell’epoca dei social media”, in Filosofi(e)Semiotiche, Vol. 3,

n. 1, Università della Calabria, pp. 66-77.

FLOCH, J.M.

1990 Sémiotique, marketing et communication, Presses Universitaires de France, Paris

(trad. it. Semiotica, marketing e comunicazione, Angeli, Milano, 2002).

FOGEL, J.; MURPHY K.

2018 “Intentions to Use the TripAdvisor Review Website and Purchase Behavior

After Reading Reviews”, in Human IT: Journal for Information Technology Studies

as a Human Science, vol. 14.1, pp. 59-100.

FONTANILLE, J.

2008 Pratiques Sémiotiques, PUF, Paris, (trad. It. Pratiche semiotiche, Edizioni ETS, Pisa,

2010).

FRITH, J.

2015 Smartphone as locative media, Cambridge, Polity Press.

322

GAO, T.

2018 “Achieving High Quality Knowledge Acquisition using Controlled Natural

Language”, in Technical Communications of the 33rd International Conference on

Logic Programming (ICLP 2017)

http://drops.dagstuhl.de/opus/volltexte/2018/8464/pdf/OASIcs-ICLP-

2017-13.pdf

GAO, Y.; HU, P.

2018 “Examining Customer Rating Differences of Chain Restaurants: An Aspect-

Based Sentiment Analysis”, in Thirty ninth International Conference on Information

Systems, San Francisco.

https://aisel.aisnet.org/cgi/viewcontent.cgi?article=1224&context=icis2018

GAVATORTA, F.; MESTRI, A.

2013 Digital Content Marketing. Storytelling, strategia, engagement, Anteprima, Torino.

GEERTZ, C.

1973 “Thick Description: Toward an Interpretative Theory of Culture”, in The

Interpretation of Cultures, New York, Basic Books (trad. it. Interpretazione di

culture, Il Mulino, Bologna, 1987).

1986 “Common Sense as a Cultural System”, in Id., Local Knowledge. Further Essay in

Interpretative Anthropology, Basic Book, New York. (trad. it. “Il senso comune

come sistema culturale”, in id., Antropologia Interpretativa, Il Mulino, Bologna,

1998).

GERBAUDO, L.

2012 Tweets and the streets, Pluto Press, London.

GHIDOLI, D.

2010 Facebook e la celebrazione della quotidianità. Semiotica del social (media) networking,

Tesi di Dottorato, Università di Torino.

323

GIANNITRAPANI, A.

2010 Viaggiare: istruzioni per l’uso. Semiotica delle guide turistiche, ETS, Pisa.

2013 Introduzione alla semiotica dello spazio, Carocci, Roma.

2018 “Intermediale, transmediale, politica e identità territoriali”, in E|C Rivista

dell’Associazione Italiana di Studi Semiotici on-line, http://www.ec-

aiss.it/monografici/23_nuove_pratiche_digitali/intro_atelier_Giannitrapani_2

8_2_18.pdf

GNOLI, C.; MARINO, V.; ROSATI, L.

2006 Organizzare la conoscenza: dalle biblioteche all’architettura dell’informazione per il

web, Hops Tecniche Nuove, Milano.

GRANELLI, T.

2006 “Per una semiotica del terrain vague: da luogo anomico a derive passionale”, in

E|C Rivista dell’Associazione Italiana di Studi Semiotici on-line, http://www.ec-

aiss.it/includes/tng/pub/tNG_download4.php?KT_download1=dc0ba4e823f

3972285507be2475d890b

GREIMAS, A.J.

1970 Du sens, Seuil, Paris (trad. it. Del senso, Bompiani, Milano, 1974).

1976 Sémiotique et science sociales, Edition de Seul, Paris (trad. it. Semiotica e scienze

sociali, in Corno D., (a cura di), Centro Scientifico Editore, Torino, 1991).

1984 “Sémiotique figurative et sémiotique plastique”, Actes sémiotiques. Documents

60 (trad. it. “Semiotica figurative e semiotica plastica”, in Corrain, L., Valenti.

M. (a cura di), Leggere l’opera d’arte. Dal figurativo all’astratto, Esculapio, Bologna

1991, pp. 33-51).

1995 Maupassant: la semiotica del testo. Esercizi pratici, Centro Scientifico Editore,

Torino.

324

GREIMAS, A.J.; COURTÉS, J.

1979 Sémiotique. Dictionnaire raisonné de la théorie du langage, Hachette, Paris (trad. it.

Semiotica. Dizionario ragionato della teoria del linguaggio, Bruno Mondadori,

Milano, 2007).

GREIMAS, A.J.; FONTANILLE, J.

1991 Sémiotique des passions. Des états de choses aux états d'âme, Les Editions du Seuil,

Paris, (trad. it. Semiotica delle passioni. Dagli stati di cose agli stati d’animo,

Marsciani, F.; Pezzini, I., (a cura di), Bompiani, Milano, 1996).

GROEN, M.; MEYS, W.

2015 “Measuring Amsterdam: A participatory mapping for citizen empowerment”,

Hybrid City Conference Proceedings, University of Athens,

https://www.researchgate.net/profile/Wouter_Meys/publication/283303029

_Measuring_Amsterdam_A_participatory_mapping_tool_for_citizen_empowe

rment/links/563218fe08ae13bc6c3722e1/Measuring-Amsterdam-A-

participatory-mapping-tool-for-citizen-

empowerment?origin=publication_detail

GUERRINI, M; POSSEMATO, T.

2012 “Linked data: un nuovo alfabeto del Web semantico”, Biblioteche oggi,

http://www.bibliotecheoggi.it/pdf.php?filepdf=20120300701.pdf

HAMMAD, M.

2003 Leggere lo spazio, comprendere l’architettura, Meltemi, Roma.

HAND, M.

2014 “From cyberspace to the dataverse: trajectories in digital social research”, in Big

Data? Qualitative approaches to Digital Research Studies in Qualitative Methodology,

vol. 13, Emerald, pp. 1-27.

325

HIDAYATULLAH, et al.

2018 “Marketing Strategy For Tour Operator on Social Media (Instagram) In

Promoting Tour Packages To Tourist Attraction In Indonesia”, in Advances in

Transportation and Logistics Research, vol. 1.1, pp. 1140-1148.

HJELMSLEV, L.

1943 Omkring sprogteoriens grundlæggelse, København: Munksgaard (trad. ingl.

Prolegomena to a theory of Language, University of Wisconsin, 1961; da cui la trad.

it. I fondamenti della teoria del linguaggio, a cura di G. Lepschy, Einaudi, Torino,

1968).

IACONO, A.

2014 Linked data, AIB, Roma.

INCARDONA L.D.I.

2012 Semiotica e Web semantico. Basi teoriche e metodologiche per la semiotica

computazionale, Tesi di Dottorato, Università di Bologna.

IPPOLITA

2007 Luci e ombre di Google. Futuro e passato dell’industria dei metadati, Feltrinelli,

Milano.

2014 La rete e libera e democratica. Falso!, Laterza, Roma-Bari.

ISMAYLOV, A.; KONTOKOSTAS, D.; AUER, S. et al.

2018 “Wikidata through the eyes of DBpedia in Semantic Web”, in Semantic Web, vol.

9, n. 4, Ios Press, pp. 493-503.

KAGAN, J.

2009 Le tre culture. Scienze naturali, scienze sociali e discipline umanistiche nel XXI secolo,

Feltrinelli, Milano.

326

KAUPPINEN, T.; LITVINOVA, E.; KALLENBACH, J.

2014 “Capturing and Linking Human Sensor Observations with YouSense” in ISWC-

PD’14 Proceedings of the 2014 International Conference on Posters & Demonstrations

Track, vol. 1272, pp. 373-376.

KITCHIN, R.

2014a The Data Revolution: Big Data, Open Data, Infrastructures and Their Consequences,

SAGE, London.

2014b “The real-time city? Big data and smart urbanism”, in GeoJournal, Springer, n.

79, pp. 1-14.

LAMPIGNANO, S.P.

2014 Semiomatica della collera: analisi semiotica sperimentale quali-quantitativa del testo

digitale, Tesi di Laurea, Corso di Laurea Magistrale in Semiotica, Università di

Bologna.

2018 “Semiomatica della Collera. Analisi semiotica sperimentale del testo digitale”,

in E|C Rivista dell’Associazione Italiana di Studi Semiotici on-line, http://www.ec-

aiss.it/monografici/23_nuove_pratiche_digitali/Lampignano_28_2_18.pdf

LANA, M.

2004 Il testo nel computer. Dal web all’analisi dei testi, Boringhieri, Torino.

LANCIONI, T., MARSCIANI, F.

2007 “La pratica come testo. Per un’etnosemiotica del mondo quotidiano”, in

Marrone G. et al. (a cura di), Narrazione ed esperienza, Intorno a una semiotica della

vita quotidiana, Meltemi, Roma.

LANGVILLE, A.N., MEYER, C.D.,

2006 Google’s pagerank and beyond: the science of search engine rankings, Princeton

University Press, Princeton.

327

LASTRUCCI, E.

2014 Web semantico. Un approccio interdisciplinare, Tesi di Laurea, Corso di Laurea

Magistrale in Semiotica, Università di Bologna.

LAUFER, C.

2015 Semantic Web guideline, iGovSP, São Paulo.

LEGG, C.

2007 “Ontologies on the Semantic Web”, in Information Science and technology, vol. 41,

issue 1, pp. 407-451.

LEONE, M.,

2012 “Begging and belonging in the city: a semiotic approach”, in Social Semiotics,

Taylor & Francis, vol. 22, n. 4, pp. 1-18.

2011a “Reti di nodi e reti di segni. Lettura ai semiotici con mal di mare”, in E|C Serie

Speciale Anno V, n. 9, 2011, pp. 11-18.

2011b “Recensione-saggio di Marrone, Gianfranco, ed. 2009. Palermo: ipotesi di

semiotica urbana Roma: Carocci, 2010” in Lexia, vol. 7-8, pp. 495-504.

2009 La città come testo. Scritture e riscritture urbane, (a cura di), Atti del Convegno

Internazionale, Università di Torino Facoltà di Lettere e Filosofia, Aracne,

Roma.

LÉVI-STRAUSS, C.

1955 Triste tropiques, Paris, Plon, (trad. It. Tristi Tropici, Milano, Il Saggiatore, 2008).

LIU, K.

2000 Semiotic in Information system engineering, Cambridge University Press,

Cambridge.

LITVIN, S; DOWLING, K.M.

2018 “TripAdvisor and hotel consumer brand loyalty”, in Current Issues in Tourism,

vol. 21.8, pp. 842-846.

328

LORUSSO, A.M.

2010 Semiotica della cultura, Laterza, Roma-Bari.

2018 Postverità, Laterza, Roma-Bari.

LOTMAN, J.M.

1980 Testo e contesto. Semiotica dell’arte e della cultura, trad. it., Laterza, Roma-Bari.

LOTMAN, J.; USPENSKIJ, B.

1975 Tipologia della cultura, Bompiani, Milano.

LOVARI, A.; MARTARI, Y.

2013 Scrivere per i social network, Le Monnier, Firenze.

LYNCH, K.

1960 The image of the City, Massachusetts Insitute of Technology and the President

and Fellows of Harvard College, (trad. it. L’immagine della città, Marsilio,

Venezia 1964).

MAJCHER, K.

2014 “Citizen Technologists. Amsterdam wants its next data projects to be driven by

citizens”, MIT Technology Review Magazine.

https://www.technologyreview.com/s/532521/citizen-technologists/

MALTRAVERSI, M.

2014 SEO e SEM: guida avanzata al web marketing, LSWR, Milano.

MANGANO, D.; VENTURA, I.

2010 “Poli-te-ama. Passioni, azioni, identità” in Marrone, G., (a cura di), Palermo.

Ipotesi di semiotica urbana, Carocci, Roma.

329

MANGIAPANE, F.

2010 “Il caso dell’urban blog Rosalio”, in Marrone, G., (a cura di), Palermo: ipotesi di

semiotica urbana, Carocci, Roma.

MANOVICH, L.

2012 “Trending: the promises and the challenges of big social data”, in Debate in the

Digital Humanities, ed. M.K. Gold, The University of Minnesota Press,

Minneapolis.

2017 “Visual Semiotics, Media Theory, and Cultural Analytics, in Theories of Software

Cultures, http://manovich.net/content/04-projects/103-visual-

semiotics/manovich_visual_semiotics.pdf

2017b “Cultural Data”, in Grau, O (a cura di), Museum and Archive on the Move.

Changing Cultural Institutions in the Digital Era, De Gruyter, Berlin, Boston, pp.

257-276.

MARINO, G.; TERRACCIANO, B.

2015 “La Grande Bellezza”, in Storytelling Europe, Lupetti, Milano.

MARMO, C.

2015 Segni, linguaggi e testi. Semiotica per la comunicazione, Bononia University Press,

Bologna.

MARMO, L.

2018 “Fotografia, aura e atmosfera: l’esperienza filtrata ai tempi di Instagram”, in

Fotografia e culture visuali del XXI secolo, Roma Tre-Press, pp. 537-554.

MARRONE, G.

2001a “L’efficacia simbolica dello spazio: azioni, passioni”, in Bertetti, P., Manetti, G.,

(a cura di), Forme di testualità. Teoria, modelli, storia e prospettive, Testo &

Immagine, Torino.

2001b Corpi sociali: processi comunicativi e semiotica del testo, Einaudi, Torino.

2009 “Dieci tesi per uno studio semiotico della città. Appunti, osservazioni,

proposte”, in E|C Rivista dell’Associazione Italiana di Studi Semiotici on-line,

330

http://www.ec-

aiss.it/includes/tng/pub/tNG_download4.php?KT_download1=3b40da4d41

74bf5c0cac5bcb0e13e50c

2010a L’invenzione del testo, Laterza, Bari.

2010b Palermo. Ipotesi di semiotica urbana, (a cura di), Carocci, Roma.

2010c “Il lungomare perduto e l’isola misteriosa. Destini e destinazioni d’un prato”,

in Marrone G., (a cura di), Palermo. Ipotesi di semiotica urbana, Marrone, G.,

Carocci, Roma, pp. 25-64.

2011 Introduzione alla semiotica del testo, GLF Editori Laterza, Roma.

2013 Figure di città: spazi urbani e discorsi sociali, Mimesis, Milano-Udine.

2015 “Food Porn: l’esposizione del cibo”, in Abruzzese A. (a cura di), EXPO 1851-

2015. Storie E immagini delle Grandi Esposizion, Utet, Torino, pp. 3-6.

MARRONE, G.; PEZZINI, I. (a cura di)

2006 Senso e metropoli. Per una semiotica posturbana, Meltemi, Roma.

2008 Linguaggi della città: senso e metropoli 2. Modelli e proposte di analisi, Meltemi,

Roma.

MARSCIANI, F.

2007 Tracciati di etnosemiotica, Angeli, Milano.

2015 “Presentazione”, in Accardo, L. et. al. (Laboratorio di Osservazione esplorativa),

Via Mascarella. Declinazione di uno spazio denso, Esculapio, Bologna.

MAZZUCCHELLI, F.

2010 “Urbicidio. Il senso dei luoghi tra distruzioni e ricostruzioni nella ex

Jugoslavia”, Bononia University Press, Bologna.

McCALL, M.K., DUNN, C.E.

2012 “Geo-information tools for participatory spatial planning: fulfilling the criteria

for “good” governance?”, Geoforum, vol. 43, n. 1, pp. 81-94.

331

MELLA, E.; RODRIGUEZ, M.A.; BRAVO, L. et al.

2019 “Query rewriting for semantic query optimization in spatial databases”, in

Geoinformatica, Springer, pp. 1-26.

MEYER, E.; RALPH, S.

2015 Knowledge Machines: Digital Transformations of the Sciences and Humanities, The

MIT Press, Cambridge.

MILIA, M.

2015 “Quando l’ironia morde. Gli attacchi social di Suarez e Renzi. I bersagli e la

tecnologia che distorce”, in Finocchi R., (a cura di), Strategie dell’ironia del web,

Carte Semiotiche Annuali 3, La Casa Usher, Siena.

2017 L'informazione in rete e i social media: per una semiotica della comunicazione 2.0, Tesi

di Dottorato, Università di Torino.

MIRZAALIAN, F.; HALPENNY, E.; POURABEDIN, P.

2018 “Multi-Dimensional Explorations into Visitors’ Experience Sharing through

TripAdvisor Using Social Media Analytics: An Investigation on Jasper National

Park”, in TTRA Canada 2018 Conference,

https://scholarworks.umass.edu/cgi/viewcontent.cgi?article=1030&context=ttracanad

a_2018_conference

MITRA, G.

2018 “Challenges and opportunities in visual interpretation of Big Data”, University

of Buffalo, https://arxiv.org/ftp/arxiv/papers/1803/1803.00459.pdf

MONTAGNUOLO, M.

2005 “Introduzione alle tecniche di Image Analysis per la classificazione automatica

degli archivi audiovisivi”, Crit Rai, Torino.

332

MONTANARI, F.

2016 “Ancora un turn? La svolta Locative nei media e sue possibili implicazioni

socio-semiotiche. Casi, esempi e questioni”, in Ferraro, G., Lorusso, A. M., (a

cura di), Nuove forme d’interazione dal web al mobile, Libellula Edizioni, Lecce.

NEGROPONTE, N.

1995 Essere digitali, Sperling e Kupfer, Milano.

NICOLETTI, G.

2014 Elaborazione del linguaggio naturale per la costruzione di un motore di ricerca

semantico, Tesi di Laurea, Corso di Laurea in Informatica, Università di Bologna.

NIEDERER, S.; COLOMBO, G. et al.

2015 “Street-level City Analytics: Mapping the Amsterdam Knowledge Mile”, Hybrid

City Conference Proceedings, University of Athens.

NOVITASARI SARAGI TURNIP, L; WULAN, R. R.; MALAU, R.M.U.

2016 “Babystagram Phenomenon Among Indonesia Celebrities Instagram Accounts:

Semiotic Analysis on Photographs at Babystagram Account”, in Proceeding of the

3rd Conferenze on Communication, Culture and Media Studies, Yogyakarta, pp. 167-

171.

O’CONNOR, P.

2010 “Managing a Hotel’s Image on TripAdvisor”. Journal of Hospitality Marketing &

Management, n. 19, pp. 754-772.

O’LEARY, D.

2013 “Big Data, the Internet of Things and the Internet of Signs”, in Intell. Syst. Acc.

Fin. Mgmt., 20, pp. 53-65.

333

PALANZA, S.

2016 “Internet of Things, big data e privacy: la triade del futuro”, in Documenti IAI.

PEIRCE, C.S.

1933 Collected papers of Charles Sanders Peirce, (a cura di) Hartshorne, C.; Weiss, P., The

Belknap press of Harvard University press, Cambridge (trad. it Semiotica,

Bonfantini, M. A. et al. (a cura di), Einaudi, Milano.

PELIZZA, A.

2006 “Spazi pubblici a un bivio. Per una interpretazione del “degrado”: un esempio

tratto dal PSC del comune di Bologna” in E|C Rivista dell’Associazione Italiana di

Studi Semiotici on-line, http://www.ec-

aiss.it/includes/tng/pub/tNG_download4.php?KT_download1=227a8c923af

2f0bb2496738b6fd1eaa8

PEVERINI, P.

2014a “Reputazione e influenza nei social network”, in Spaziante, L., (a cura di), Corpi

mediali, ETS, Pisa, pp.65-83.

2014b “Urban storytelling ed estetiche del quotidiano. Gli hashtag come parole chiave

del sentire comune” in LOGOS Cidades, Culturas e Tecnologias Digitais, v. 2, n. 24,

http://www.e-

publicacoes.uerj.br/index.php/logos/article/viewFile/14156/10728

PEZZINI, I.

1991 Semiotica delle passioni: saggi di analisi semantica e testuale, (a cura di), Esculapio,

Bologna.

1998 Le passioni del lettore, Bompiani, Milano.

2004 “Un approccio semiotico allo studio dello spazio nella città”, in Martinelli, F. (a

cura di), Città e scienze umane, Liguori Editore, Napoli, pp. 256-263.

2009 Roma: luoghi del consumo, consumo dei luoghi (a cura di), Edizioni Nuova Cultura,

Roma.

334

PEZZINI, I.; SAVARESE, N.

2014 Spazio pubblico fra semiotica e progetto (a cura di), Edizioni Nuova Cultura, Roma.

PICCARI, A.

2015 Uno sguardo semiotico sulla Search Engine Optimization. Il caso di lucanica.eu, portale

di prodotti tipici, Tesi di Laurea, Corso di Laurea Magistrale in Semiotica,

Università di Bologna.

PINTORI, E.

2006 “Design delle interfacce. Forme di ibridazione semiotica”, in Ocula, vol.7,

https://www.ocula.it/files/OCULA-7-PINTORI-Design-delle-interfacce-

forme-di-ibridazione.pdf

POLIDORO, P.

2008 Che cos’è la semiotica visiva, Carocci, Roma.

2010 “Teoria dei generi e siti web”, in Versus, vol. n. 94-5-6, pp. 213-229.

POZZATO, M.P.

2001 Semiotica del testo. Metodi, autori, esempi, Carocci, Roma.

2016 “Aspetti fenomenologici e semiotici di una ricerca interdisciplinare sui lughi

d’origine”, Rivista Italiana di Filosofia del Linguaggio, pp. 219-233.

POZZATO, M.P.; DEMARIA, C.

2006 “Etnografia urbana: modi d’uso e pratiche dello spazio”, in E|C Rivista

dell’Associazione Italiana di Studi Semiotici on-line, pp. 193-210.

RASTIER, F.

2013 La misura e la grana: Semantica del corpus ed analisi del Web, Edizioni ETS, Pisa.

RICHTERICH, A.

2018 The Big Data agenda: Data Ethics and Critical Data Studies, University of

Westminster Press, London.

335

RIEDER, B.

2013 “Studying Facebook via Data Extraction: The Netvizz Application”, Proceedings

of the 5th annual ACM web science conference, ACM, pp. 346-355.

RISTOSKI, P.; PAULHEIM, H.

2016 “Semantic Web in data mining and knowledge discovery: A comprehensive

survey”, in Journal of Web Semantics, vol. 36, Elsevier, pp. 1-22.

ROGERS, R.

2013 Digital Methods, MIT Publishing, Cambridge, MA, (trad. It. Metodi Digitali, Il

Mulino, Bologna, 2016).

ROMANO, E.

2014 Sorveglianza e cultura visuale: dispositivi, pratiche ed esperienze tra cinema, arte e

spazio urbano, Tesi di Dottorato, Università Roma Tre.

RUPPERT, E; LAW, J.; SAVAGE, M.

2013 “Reassembling Social Science Methods: The Challenge of Digital Devices”, IN

Theory, Culture & Society, Vol. 30, Issue 4, pp. 22-46.

SALERNO, D.

2018 “Big Data e social networks”, in E|C Rivista dell’Associazione Italiana di Studi

Semiotici on-line,

http://www.ec-

aiss.it/monografici/23_nuove_pratiche_digitali/intro_atelier_salerno_28_2_1

8.pdf

SANTANGELO, A.

2016 “Twitter e l’analisi semiotica di un programma televisivo”, in Ferraro G.;

Lorusso A. (a cura di), Nuove forme d’interazione dal web al mobile, Libellula

Edizioni, Lecce, pp. 67-86.

336

SAUSSURE, F. de

1916 Cours de linguistique générale, Payot, Paris (trad It., Corso di linguistica generale,

Laterza, Roma-Bari, 1967.

SCHÄFER, M.T.; VAN ES, K.

2017 The Datafied Society: Studying Culture through Data, Amsterdam University Press,

Amsterdam.

SEDDA, F.; CERVELLI, P.

2006 “Zone, frontiere, confini: la città come spazio culturale”, in Marrone, G.; Pezzini,

I. (a cura di), Senso e metropoli. Per una semiotica posturbana, Meltemi, Roma.

SEMI, G.

2010 L’osservazione partecipante. Una guida pratica, Il Mulino, Bologna.

SERLORENZI, M.; BOI, V.

2016 “Archeologia preventiva, predittiva, potenziali archeologici. Una breve

introduzione al panorama italiano”, in Stanco, F.; Gallo, G., (a cura di)

Proceedings of ARCHEOFOSS, Archeopress, Oxford.

SEVERO, M.

2016 “Presentazione dell’edizione italiana”, in Metodi Digitali, Il Mulino, Bologna.

SHANKS, G; CORBITT, B.

1999 “Understanding Data Quality: Social and Cultural Aspects, in Proc. 10th

Australasian Conference on Information Systems, pp. 785-797.

SIGNORE, O.

2002 “RDF per la rappresentazione della conoscenza”, in Knowledge Management (V

edizione)–Forum Proceedings on the knowledge management in the organizations,

Milano, pp. 35-46.

337

SOWA, J.F.

2000 “Ontology, metadata, and semiotics”, in International Conference on Conceptual

Structures, Springer, Berlin, pp. 55-81.

SOZZI, P.

2015 “L’indice in Peirce: alcune riflessioni tra spazio ed enunciazione”, 2015: filosofia

del linguaggio, semiotica e filosofia della mente. A partire da c. S. Peirce nei cento anni

dalla morte, Rivista Italiana di Filosofia del Linguaggio, n. 2,

http://www.rifl.unical.it/index.php/rifl/article/view/297

STOCKIQT, L. et al.

2018 “"Climatic Sensitivity and Snow-based Tourism in Africa: An Investigation of

TripAdvisor reviews on Afriski, Lesotho", in Proceedings of the Society of South

African Geographers Biennial Conference.

STOCKINGER, P.

2001 “E_Semiotics. Semiotics, Knowledge Management and New Information

Technologies”, Oy Fountain Park Ltd – Renewal Forum Helsinki.

SZEREDI, P.; LUKÁCSY, G.; BENKÖ, T.

2014 The Semantic Web Explained – the thechnology and mathematics behind Web 3.0,

Cambridge University Press, Cambridge.

TANI, I.

2014 Paesaggi metropolitani: teorie, modelli, percorsi, Quolibet, Macerata.

TERRACCIANO, B.

2014 “L’identità visiva di Sorrento Coast nelle reti del social travelling”, in

Fiorentino, G., (a cura di), Il destino del luogo Sorrento, turismo, cultura,

immaginario, CMEA, Sorrento.

338

TOMASI, F.

2008 Metodologie informatiche e discipline umanistiche, Carocci, Roma.

TRAINI, S.

2018 “Efficacia e debolezza del metodo semiotico” in E|C Rivista dell’Associazione

Italiana di Studi Semiotici on-line, http://www.ec-

aiss.it/includes/tng/pub/tNG_download4.php?KT_download1=9d7366370e2

8b616fe27b573a857ee65

URBANI, E.

2016 Attraverso il Pilastro: spazio osservato e spazio raccontato. Analisi semiotica del rione

bolognese, Tesi di Laurea Magistrale in Semiotica, Università di Bologna.

VELLA, R.L.

2018 “Vita e morte dei Big Data. Il contributo semiotico dal data mining

all’interpretazione”, in E|C Rivista dell’Associazione Italiana di Studi Semiotici on-

line, http://www.ec-aiss.it/index_d.php?recordID=857

VIOLANTE, P.

2012 “Editoriale”, in Rivista di storia delle idee, 4:1; pp. I-VII.

VIOLI, P.

2009 “Il senso del luogo. Qualche riflessione di metodo a partire da un caso

specifico”, in Leone M., (a cura di), La città come testo. Scritture e riscritture urbane,

Lexia, vol. 01/02, pp. 113-128.

2010 “Il sistema Mediterraneo: la realtà semiotica di una regione geografica”, in Violi,

P.; Lorusso, A.M. (a cura di), Effetto Med: immagini, discorsi, luoghi, Lupetti,

Bologna.

339

VIOLI, P.; TRAMONTANA, A.

2006 “Mediterraneo: identità e border crossing fra terra e mare”, in Marrone, G.;

Pezzini, I. (a cura di), Senso e metropoli. Per una semiotica posturbana, Meltemi,

Roma, pp. 109-130.

VOLLI, U.

2000 Manuale di semiotica, Laterza, Roma-Bari.

2005 “Per una semiotica della città”, in E|C Rivista dell’Associazione Italiana di Studi

Semiotici on-line, http://www.ec-

aiss.it/includes/tng/pub/tNG_download4.php?recordID=166&KT_downloa

d1=da0fba42a0f4b96ca9837303605364b4

2009a “Pertinenza semiotica e tipologia delle pratiche urbane”, in Versus, n. 109-110-

111, pp. 47-56.

2009b “Il testo della città. Problemi metodologici e teorici”, in Leone M., (a cura di), La

città come testo. Scritture e riscritture urbane, Lexia, vol. 01/02, pp. 9-21.

WHITTAKER, J.

2004 The Cyberspace Handbook, Routledge, London.

ZANNIN, A.

2009 Analisi, progettazione e valutazione dell’efficacia dello spot pubblicitario. Una semiotica

per la ricerca di mercato, Tesi di dottorato, Università di Bologna.

ZIKOPOULOS, P.; EATON, C.; DEROOS, D. ET AL.

2012 Understanding Big Data: Analytics for Enterprise Class Hadoop and Streaming Data,

McGraw-Hill.

340

8. Ringraziamenti

Arrivata al termine di questa tesi vorrei dedicare qualche parola di ringraziamento alle

persone che mi hanno aiutato a raggiungere questo obiettivo.

Innanzitutto, ringrazio con grande affetto la prof.ssa Giovanna Cosenza, supervisor di

questa tesi, per aver risposto a ogni mio dubbio e per avermi guidato lungo il lavoro

di ricerca. La ringrazio per la sua enorme disponibilità e per avermi sempre aiutato

con gentilezza e generosità.

Ringrazio tutto il team del Citizen Data Lab che mi ha ospitato durante il soggiorno di

ricerca nei Paesi Bassi e che ha messo a mia disposizione i dati raccolti lungo la

Wibautstraat. Un paricolare dank va soprattutto a Wouter Meys, Sabine Niederer e

Maarten Groen che mi hanno fatto sentire come se fossi a casa.

Ringrazio ovviamente Elisa Gasparri, prima amica e compagna di studi, poi collega

insostituibile, per avermi supportato, consigliato e sostenuto durante i momenti più

difficili (e per aver festeggiato insieme quelli migliori).

Ringrazio poi la mia famiglia e Francesco per esserci. Senza di voi non sarei quella che

sono e per questo vi amo.